施曉斌，吳丹萍，程紅舉

(福州大學(xué) 數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院，福建 福州 350108)

0 引言

在WSN中，由于環(huán)境噪聲和感知器件誤差的影響，感知數(shù)據(jù)帶有一定的不確定性。軟件與硬件故障將導(dǎo)致不準(zhǔn)確和不可靠讀數(shù)的出現(xiàn)。而事件的發(fā)生也將導(dǎo)致與正態(tài)分布明顯不同的觀測(cè)值的出現(xiàn)。那些特征與正態(tài)分布特征明顯不同的觀測(cè)值被稱為異常值[1]。異常值檢測(cè)，是基于某種措施來(lái)識(shí)別偏離其余數(shù)據(jù)模式的數(shù)據(jù)實(shí)例的過(guò)程，用于過(guò)濾噪聲數(shù)據(jù)，查找故障節(jié)點(diǎn)和發(fā)現(xiàn)用戶感興趣的事件。

區(qū)分異常值的來(lái)源是一個(gè)重要的問(wèn)題。一般來(lái)說(shuō)，如果檢測(cè)到的異常值是錯(cuò)誤或噪聲數(shù)據(jù)，則應(yīng)將其從傳感數(shù)據(jù)中去除，以確保數(shù)據(jù)質(zhì)量和準(zhǔn)確性，并避免通信負(fù)載造成的能耗。但是，若是事件造成的異常值，消除異常值將導(dǎo)致關(guān)于事件的重要隱藏信息的丟失[2]。

傳統(tǒng)的集中式異常檢測(cè)技術(shù)將會(huì)產(chǎn)生巨大的能量和帶寬的消耗，這對(duì)資源受限的WSN網(wǎng)絡(luò)來(lái)說(shuō)并不友好[3]。此外事件在網(wǎng)絡(luò)中發(fā)生的概率通常不高，在沒(méi)有發(fā)生事件的情況下收集到的數(shù)據(jù)價(jià)值是十分有限的?？紤]到節(jié)點(diǎn)有限的資源，因此需要限制異常檢測(cè)算法的復(fù)雜度，盡可能設(shè)計(jì)輕量級(jí)的分布式在線算法[4]。

本文考慮以下問(wèn)題：如何以在線和分布式的方式快速準(zhǔn)確地檢測(cè)WSN中的異常數(shù)據(jù)，并區(qū)分異常值的來(lái)源。本文研究了流數(shù)據(jù)的數(shù)據(jù)變化模式和數(shù)據(jù)的空間相關(guān)性在異常檢測(cè)問(wèn)題上的運(yùn)用，提出了一種基于數(shù)據(jù)變化模式頻繁度和空間相關(guān)性的PFSC(Pattern Frequency and Spatial Correlation)異常檢測(cè)方法。PFSC異常檢測(cè)方法分兩個(gè)階段進(jìn)行。第一階段，為數(shù)據(jù)創(chuàng)建一個(gè)分布模型，根據(jù)數(shù)據(jù)變化模式的頻繁程度篩選出潛在的異常數(shù)據(jù)；第二階段，利用相鄰節(jié)點(diǎn)數(shù)據(jù)間的空間相關(guān)性來(lái)區(qū)分異常值的來(lái)源，此處本文通過(guò)拉依達(dá)準(zhǔn)則完成異常值來(lái)源的判定。

1 相關(guān)工作

針對(duì)WSN中集中式與分布式異常檢測(cè)方法的研究，Lau等人[5]提出了一種基于名為CNBD的樸素貝葉斯框架的集中算法，其中端到端傳輸時(shí)間在sink處收集，并使用樸素貝葉斯框架進(jìn)行分析。Subramaniam等[6]提出了一種用于傳感器網(wǎng)絡(luò)的分布式在線異常值檢測(cè)技術(shù)，以分布式方式計(jì)算多維數(shù)據(jù)分布近似的框架，以便在資源有限的傳感器網(wǎng)絡(luò)中實(shí)現(xiàn)復(fù)雜的應(yīng)用。Xu等人[7]通過(guò)比較連續(xù)時(shí)間實(shí)例的數(shù)據(jù)，得出是否存在瞬時(shí)故障的結(jié)論。如果存在瞬態(tài)故障，則使用其標(biāo)記為正常的實(shí)例數(shù)據(jù)來(lái)校正數(shù)據(jù)。文獻(xiàn)[8]提出了一種基于信譽(yù)的投票和決策樹(shù)的分布式事件檢測(cè)方法，并評(píng)估了用于早期發(fā)現(xiàn)災(zāi)害特別是住宅火災(zāi)的性能和適用性。

針對(duì)在線數(shù)據(jù)連續(xù)積累、實(shí)時(shí)更新的特點(diǎn)，文獻(xiàn)[9]提出了一種環(huán)境數(shù)據(jù)流偏離歷史模式的識(shí)別方法。該方法是基于數(shù)據(jù)流及其預(yù)測(cè)區(qū)間的自回歸數(shù)據(jù)驅(qū)動(dòng)模型。文獻(xiàn)[10]將基于聚類的算法和最近鄰異常值檢測(cè)方法相結(jié)合，用于實(shí)現(xiàn)高效聚類和對(duì)異常值檢測(cè)，訓(xùn)練階段需要對(duì)一段時(shí)間內(nèi)的觀測(cè)值進(jìn)行聚類。文獻(xiàn)[11]提出了一種基于距離相似性的技術(shù)來(lái)識(shí)別傳感器網(wǎng)絡(luò)中的全局異常值。該技術(shù)嘗試通過(guò)相鄰節(jié)點(diǎn)之間的一組代表性數(shù)據(jù)交換來(lái)減少通信開(kāi)銷。每個(gè)節(jié)點(diǎn)使用距離相似度來(lái)本地識(shí)別異常值，然后將離群值廣播到相鄰節(jié)點(diǎn)進(jìn)行驗(yàn)證。相鄰節(jié)點(diǎn)重復(fù)該過(guò)程，直到網(wǎng)絡(luò)中的整個(gè)傳感器節(jié)點(diǎn)最終同意全局異常值。然而廣播帶來(lái)的通信開(kāi)銷使其無(wú)法應(yīng)用到大型網(wǎng)絡(luò)。

2 網(wǎng)絡(luò)模型與相關(guān)知識(shí)

2.1 網(wǎng)絡(luò)模型

WSN由隨機(jī)部署在一個(gè)平面區(qū)域上的一組傳感器節(jié)點(diǎn)S={s1,s2, …,sn}組成。節(jié)點(diǎn)i通信范圍內(nèi)的鄰居節(jié)點(diǎn)用Si={s1,s2, …,sk}表示。節(jié)點(diǎn)i在時(shí)刻t的觀測(cè)值表示為xi(t)，xmax表示有效的節(jié)點(diǎn)觀測(cè)值最大值，xmin為有效的節(jié)點(diǎn)觀測(cè)值最小值，節(jié)點(diǎn)i到n時(shí)刻為止的觀測(cè)值集合以Xi(n)表示，即Xi(n)={xi(1),xi(2), …,xi(n)}。

本文假設(shè)指定區(qū)域內(nèi)節(jié)點(diǎn)密度較高(如小型家居系統(tǒng))，當(dāng)一個(gè)事件發(fā)生時(shí)，多個(gè)臨近事件發(fā)生地的節(jié)點(diǎn)都將及時(shí)地捕獲到該事件。

定義1數(shù)據(jù)變化模式：節(jié)點(diǎn)i在t時(shí)刻的數(shù)據(jù)變化模式Δxi(t)與上一時(shí)刻的觀測(cè)值相關(guān)，Δxi(t)=│xi(t)-xi(t-1)│，Δxi(t)∈D，其中D為區(qū)間[0,xmax-xmin]。不失一般性，本文將數(shù)據(jù)變化模式簡(jiǎn)稱為模式。

ΔXi(n)表示節(jié)點(diǎn)i從2時(shí)刻到n時(shí)刻為止所有數(shù)據(jù)變化模式的集合，即:

ΔXi(n)={Δxi(2),Δxi(3), …, Δxi(n)}

其中│ΔXi(n)│=n-1。

定義2模式區(qū)間：D為區(qū)間[0,xmax-xmin]，將D均勻地劃分為若干區(qū)間{d1,d2, …,dk}，稱為模式區(qū)間，ΔXi(n)中任意的一個(gè)數(shù)據(jù)變化模式在D的某一個(gè)模式區(qū)間內(nèi)。

定義3區(qū)間頻繁度：在節(jié)點(diǎn)的數(shù)據(jù)變化模式集合ΔXi(n)= {Δxi(2),Δxi(3), …, Δxi(n)}中，屬于模式區(qū)間dj的模式的個(gè)數(shù)記為V(j)，則稱P(j)=V(j)/(n-1)為模式區(qū)間dj的頻繁度。

2.2 相關(guān)知識(shí)

2.2.1數(shù)據(jù)異常

根據(jù)本地節(jié)點(diǎn)異常的原因?qū)Ξ惓＿M(jìn)行分類，有點(diǎn)異常、上下文異常與集體異常三類[12]。

(1)點(diǎn)異常：相對(duì)于數(shù)據(jù)集被認(rèn)為是異常的單個(gè)數(shù)據(jù)實(shí)例。

(2)上下文異常：在當(dāng)前上下文中被認(rèn)為是異常的數(shù)據(jù)實(shí)例。在不同的上下文中，相同的數(shù)據(jù)實(shí)例可能被認(rèn)為是正常的。

(3)集合異常：連續(xù)多個(gè)測(cè)量值為常數(shù)，即在一段時(shí)間內(nèi)測(cè)量值幾乎沒(méi)有什么波動(dòng)。

圖1 異常類型

圖1顯示了Chandola等人定義的異常[12]。在時(shí)段24發(fā)生點(diǎn)異常，即數(shù)據(jù)實(shí)例對(duì)于整個(gè)數(shù)據(jù)集是異常的。在時(shí)段43出現(xiàn)上下文異常，但是如果該觀測(cè)值出現(xiàn)在時(shí)刻t1，t2，t3或t4，則不會(huì)被認(rèn)為是異常的。最后，集合異常發(fā)生在時(shí)間段54～71，節(jié)點(diǎn)由于故障在該時(shí)段內(nèi)連續(xù)出現(xiàn)多個(gè)幾乎沒(méi)有什么波動(dòng)的觀測(cè)值。本文將上下文異常視為點(diǎn)異常的一種特例。

2.2.2WSN中數(shù)據(jù)空間相關(guān)性

在WSN中，數(shù)據(jù)實(shí)例之間經(jīng)常存在相對(duì)位置關(guān)系，這樣的數(shù)據(jù)稱為空時(shí)數(shù)據(jù)(spatio temporal dam)。在進(jìn)行異常檢測(cè)時(shí)，常常利用數(shù)據(jù)的空間相關(guān)特性區(qū)分節(jié)點(diǎn)故障和事件。由于組成事件的感知數(shù)據(jù)之間具有較強(qiáng)的時(shí)空關(guān)聯(lián)性，當(dāng)事件發(fā)生時(shí)，臨近節(jié)點(diǎn)將擁有相似的觀測(cè)值，這是因?yàn)榛谠肼暅y(cè)量與傳感器故障可能隨機(jī)無(wú)關(guān)，而事件測(cè)量可能在空間上相關(guān)的事實(shí)。這一觀察使我們能夠區(qū)分事件和錯(cuò)誤。例如，對(duì)Intel室內(nèi)項(xiàng)目[13]的數(shù)據(jù)進(jìn)行空間相關(guān)性的分析。圖2給出了兩個(gè)鄰近的節(jié)點(diǎn)(節(jié)點(diǎn)4，6)和一個(gè)非臨近節(jié)點(diǎn)(節(jié)點(diǎn)24)的溫度隨時(shí)間變化的趨勢(shì)圖。可以明顯地看出4,6節(jié)點(diǎn)彼此鄰近，其同一時(shí)刻的觀測(cè)值更加接近。在空間上彼此鄰近的鄰居節(jié)點(diǎn)的數(shù)據(jù)具有一定程度的相似性。

圖2 節(jié)點(diǎn)溫度變化趨勢(shì)圖

3 異常檢測(cè)算法

數(shù)據(jù)的變化模式由節(jié)點(diǎn)上連續(xù)觀測(cè)值的差值構(gòu)成。本文異常檢測(cè)方法的思想是將數(shù)據(jù)流的數(shù)據(jù)變化模式映射到某個(gè)特征空間的分區(qū)中，將非頻繁出現(xiàn)的分區(qū)認(rèn)為是異常分區(qū)，頻繁出現(xiàn)的分區(qū)認(rèn)為是正常分區(qū)。若某時(shí)刻數(shù)據(jù)的變化模式映射到特征空間的異常分區(qū)，則將該時(shí)刻的數(shù)據(jù)當(dāng)做潛在異常值，并利用相鄰節(jié)點(diǎn)數(shù)據(jù)的空間相關(guān)性對(duì)其進(jìn)行驗(yàn)證。

該算法的目標(biāo)是識(shí)別出潛在的異常觀測(cè)值并將其分類。在判斷異常觀測(cè)值產(chǎn)生的原因時(shí)，目標(biāo)節(jié)點(diǎn)收集其鄰居節(jié)點(diǎn)集Si的當(dāng)前時(shí)刻觀測(cè)值，并利用數(shù)據(jù)的空間相關(guān)性進(jìn)行判斷，避免了將節(jié)點(diǎn)數(shù)據(jù)傳輸至Sink節(jié)點(diǎn)產(chǎn)生的大量能量消耗。PFSC方法是一個(gè)自學(xué)習(xí)-檢測(cè)的過(guò)程，可分為兩個(gè)階段，即第一階段為訓(xùn)練階段，第二階段為異常檢測(cè)階段。

3.1 數(shù)據(jù)變化模式

節(jié)點(diǎn)的數(shù)據(jù)流是按時(shí)間順序排列的一系列數(shù)據(jù)的集合，也稱為時(shí)間序列。在時(shí)間序列數(shù)據(jù)挖掘的研究中，通常用時(shí)間序列模式表示來(lái)描述原始的時(shí)間序列，即將原始時(shí)間序列映射到某個(gè)特征空間中，并用它在這個(gè)特征空間中的映像來(lái)描述原始序列。時(shí)間序列模式一定程度上保留了時(shí)間序列的主要特征，更能反應(yīng)時(shí)間序列的變化情況。分段線性表示(PLR)是將時(shí)間序列表示成多段相鄰的直線，用多段直線段擬合原時(shí)間序列，時(shí)間序列Xi(n)的PLR模型表示為：

Xi(n)={xi(1),xi(2),…,xi(n)}

L(Xi(n))={L(y1,y2),L(y2,y3),…,L(yk-1,yk)}

(1)

式中，yj∈Xi(n)，L(yj,y(j+1))表示連接兩點(diǎn)的直線段。

在此基礎(chǔ)上，本文將PLR中的線段長(zhǎng)度壓縮為1，分段數(shù)量設(shè)置為n-1，同時(shí)用│y(j+1)-yj│來(lái)描述分段L(yj,y(j+1))的特征，得到Xi(n)的數(shù)據(jù)變化模式：

H(Xi(n))={Δxi(2),Δxi(3),…,Δxi(n)}

(2)

數(shù)據(jù)變化模式一定程度上保留了時(shí)間序列在各個(gè)時(shí)刻的數(shù)據(jù)變化情況。通常在正常的工作環(huán)境下，節(jié)點(diǎn)的讀數(shù)在連續(xù)的時(shí)間內(nèi)是漸變的過(guò)程，而異常觀測(cè)值與正常值存在明顯的差異，并且在節(jié)點(diǎn)的工作過(guò)程中異常值出現(xiàn)的頻率通常遠(yuǎn)低于正常數(shù)據(jù)。因此，若將數(shù)據(jù)變化模式映射到某個(gè)特征空間的分區(qū)中，數(shù)據(jù)流中正常數(shù)據(jù)的變化模式落在特征空間的高頻率分區(qū)，而異常值的變化模式相對(duì)處于低頻率分區(qū)。

3.2 訓(xùn)練階段

訓(xùn)練階段的思想是：在數(shù)據(jù)流中為數(shù)據(jù)變化模式集ΔXi(n)創(chuàng)建一個(gè)分布模型，即將數(shù)據(jù)變化模式映射到某個(gè)特征空間的分區(qū)中，確定非頻繁出現(xiàn)的分區(qū)。

數(shù)據(jù)變化模式Δxi(t)=│xi(t)-xi(t-1)│，其取值范圍為[0,xmax-xmin]，記為D。為了對(duì)數(shù)據(jù)流的模式創(chuàng)建一個(gè)分布模型，將每個(gè)采樣周期產(chǎn)生的模式映射到特征空間中，模式的取值范圍D= [0,xmax-xmin]被均勻地劃分為若干個(gè)模式區(qū)間{d1,d2, …,dk}。模式區(qū)間數(shù)量根據(jù)領(lǐng)域知識(shí)進(jìn)行估計(jì)。每一個(gè)模式區(qū)間對(duì)應(yīng)D的一個(gè)小的取值范圍。

訓(xùn)練階段開(kāi)始時(shí)，對(duì)每個(gè)采樣周期的模式判斷其在哪一個(gè)模式區(qū)間內(nèi)，該模式區(qū)間dj出現(xiàn)的次數(shù)V(j)加1。圖3給出了節(jié)點(diǎn)i在訓(xùn)練階段的操作過(guò)程。

圖3 節(jié)點(diǎn)i訓(xùn)練階段圖

圖3中，節(jié)點(diǎn)i的訓(xùn)練階段，在時(shí)刻4數(shù)據(jù)變化模式為Δxi(4)，判斷其屬于d2分區(qū)，V(2)加1。同理，節(jié)點(diǎn)進(jìn)行下一個(gè)時(shí)刻數(shù)據(jù)變化模式Δxi(5)的映射，此時(shí)V(1)為2，該過(guò)程直至訓(xùn)練階段結(jié)束。

在訓(xùn)練階段結(jié)束時(shí)，對(duì)D中的模式區(qū)間統(tǒng)計(jì)其模式出現(xiàn)的次數(shù)，計(jì)算各個(gè)模式區(qū)間的頻繁度。

(3)

頻繁模式區(qū)間閾值為P，若P(j)

3.3 檢測(cè)階段

3.3.1異常識(shí)別

異常識(shí)別的任務(wù)是篩選出數(shù)據(jù)流中的潛在異常值。學(xué)習(xí)階段結(jié)束后可以獲取特種空間中非頻繁模式區(qū)間。在異常識(shí)別過(guò)程中，將目標(biāo)數(shù)據(jù)映射到特種空間的分區(qū)中，如果該時(shí)刻數(shù)據(jù)的模式落在非頻繁模式區(qū)間，則將其當(dāng)做潛在的異常值進(jìn)行處理。映射過(guò)程與學(xué)習(xí)階段相似。

3.3.2異常分類

為了確認(rèn)是否真的出現(xiàn)了異常并對(duì)異常進(jìn)行分類，本文利用WSN數(shù)據(jù)的空間相關(guān)性進(jìn)行驗(yàn)證。當(dāng)節(jié)點(diǎn)i產(chǎn)生一個(gè)潛在異常觀測(cè)值xi(t)時(shí)，該節(jié)點(diǎn)利用無(wú)線信道向其鄰節(jié)點(diǎn)Si= {s1,s2, …,sk}請(qǐng)求其t時(shí)刻的數(shù)據(jù)xj(t)，其中j∈Si。計(jì)算其鄰居節(jié)點(diǎn)xj(t)的平均值μ和標(biāo)準(zhǔn)差σ。根據(jù)拉依達(dá)準(zhǔn)則，若

|xi(t)-μ|<δσ

(4)

則認(rèn)為該節(jié)點(diǎn)觀測(cè)值與其鄰居節(jié)點(diǎn)觀測(cè)值狀態(tài)相一致，該異常觀測(cè)值是由事件引起的；若不滿足式(4)，則認(rèn)為該節(jié)點(diǎn)觀測(cè)值與其鄰居節(jié)點(diǎn)觀測(cè)值狀態(tài)不一致，該異常觀測(cè)值是由節(jié)點(diǎn)軟、硬件故障或者環(huán)境等其他因素引起的錯(cuò)誤數(shù)據(jù)。

δ的取值根據(jù)實(shí)際應(yīng)用確定。假設(shè)事件是一個(gè)Bernoulli過(guò)程，并且事件過(guò)程中，數(shù)據(jù)符合正態(tài)分布，將事件過(guò)程的數(shù)據(jù)化簡(jiǎn)為符合正態(tài)分布的隨機(jī)變量：

=1-(Φ(δ)-Φ(-δ))

=2-2Φ(δ)

(5)

其中Φ(δ)為標(biāo)準(zhǔn)正態(tài)分布，當(dāng)Φ(δ)>0.9時(shí)，p<0.1，查表可得當(dāng)δ取大于1.29時(shí)，Φ(δ)>0.9。本文將在實(shí)驗(yàn)中對(duì)拉依達(dá)系數(shù)δ的取值進(jìn)行討論。

4 實(shí)驗(yàn)

本文在MATLAB環(huán)境下采用Inter室內(nèi)實(shí)驗(yàn)室項(xiàng)目[13]數(shù)據(jù)集來(lái)分析算法的性能。所采用的數(shù)據(jù)集的數(shù)據(jù)格式如表1所示。

表1 Inter室內(nèi)實(shí)驗(yàn)室項(xiàng)目數(shù)據(jù)格式

4.1 評(píng)估指標(biāo)

異常值檢測(cè)算法通常使用檢測(cè)率(召回率)、查準(zhǔn)率和誤報(bào)率(虛警率)進(jìn)行評(píng)估。為了定義這些度量，此處采用混淆矩陣，如表2所示。

表2 混淆矩陣

因此，檢測(cè)率(Detection rate)、查準(zhǔn)率(Precision rate)和誤報(bào)率(False alarm rate)定義如下：

檢測(cè)率：Dr=TP/(TP+FN)

(6)

查準(zhǔn)率：Pr=TP/(TP+FP)

(7)

誤報(bào)率：Fr=FP/(FP+TN)

(8)

4.2 算法性能

本文所提出的算法有兩個(gè)參數(shù)對(duì)算法的性能具有影響，分別為D的分區(qū)頻繁度閾值p和拉依達(dá)準(zhǔn)則的系數(shù)δ。實(shí)驗(yàn)分兩組進(jìn)行，分別分析在設(shè)置不同的分區(qū)頻繁度閾值p和設(shè)置不同拉依達(dá)法則系數(shù)δ的情況下，PFSC算法的性能。

圖4展示了PFSC算法性能隨分區(qū)頻繁度閾值p變化趨勢(shì)圖。其中p增大時(shí)，PFSC算法的檢測(cè)率增大，而查準(zhǔn)率減小，誤判率因查準(zhǔn)率的減小而增大。這是因?yàn)楫?dāng)p取較大值時(shí)，算法在判斷潛在異常數(shù)據(jù)時(shí)不僅識(shí)別出實(shí)際異常值，同時(shí)將部分變化模式較大的正常數(shù)據(jù)也識(shí)別為潛在異常數(shù)據(jù)，導(dǎo)致算法在檢測(cè)率增大的同時(shí)查準(zhǔn)率下降。當(dāng)p取0.05時(shí)，PFSC算法檢測(cè)率為83.903%，準(zhǔn)確率為73.589%，誤判率為1.581%，此時(shí)PFSC性能較好。

圖4 頻繁模式區(qū)間閾值實(shí)驗(yàn)圖

圖5展示了不同拉依達(dá)準(zhǔn)則系數(shù)δ對(duì)PFSC算法性能的影響。δ在1.5前后PFSC的檢測(cè)率呈現(xiàn)不同狀態(tài)，當(dāng)δ大于1.5時(shí)，檢測(cè)率逐漸減小。圖中可以明顯看出，PFSC的準(zhǔn)確率隨δ增大而增大，同時(shí)誤判率持續(xù)減小，這是因?yàn)槔肋_(dá)準(zhǔn)則系數(shù)δ控制錯(cuò)誤數(shù)據(jù)的判定，δ越大說(shuō)明異常數(shù)據(jù)越偏離其鄰居節(jié)點(diǎn)數(shù)據(jù)，它為錯(cuò)誤數(shù)據(jù)的可能性越大。其中δ取1.5時(shí)，PFSC的檢測(cè)率為83.835%，準(zhǔn)確率為74.093%，誤判率為1.54%。

圖5 拉依達(dá)準(zhǔn)則系數(shù)δ實(shí)驗(yàn)圖

從實(shí)驗(yàn)結(jié)果可以看出，PFSC算法在p取0.05，δ取1.5時(shí)性能最好。

為判定數(shù)據(jù)不同程度的異常率對(duì)算法性能的影響，本文將比較PFSC算法與文獻(xiàn)[14]提出的基于小波的異常檢測(cè)算法(Wavelet Based Outlier Detection,WBOC)和文獻(xiàn)[15]提出的基于K最近鄰的KNN異常檢測(cè)算法在數(shù)據(jù)不同異常率下的性能。其中PFSC算法p取0.05，δ取1.5，WBOC誤差閾值取2，KNN誤差閾值取2。

實(shí)驗(yàn)效果如圖6～圖7所示。可以看出，當(dāng)節(jié)點(diǎn)采集的數(shù)據(jù)異常率從5%增大到20%時(shí)，三種算法的檢測(cè)率都呈下降趨勢(shì)。當(dāng)異常率較大時(shí)，在PFSC與KNN算法中，目標(biāo)節(jié)點(diǎn)因鄰居節(jié)點(diǎn)潛在的異常數(shù)據(jù)而影響本地異常值的判定，鄰居節(jié)點(diǎn)集Si中的異常數(shù)據(jù)越多，算法檢測(cè)率越低。其中PFSC算法的異常鑒定與KNN相似，其檢測(cè)率接近于KNN算法。在數(shù)據(jù)異常率為12.5%時(shí)，PFSC的檢測(cè)率為80.27%。

圖6 數(shù)據(jù)異常率對(duì)檢測(cè)率影響

圖7 數(shù)據(jù)異常率對(duì)誤報(bào)率影響

圖7展示，當(dāng)節(jié)點(diǎn)產(chǎn)生5%到20%不同程度異常率的數(shù)據(jù)時(shí)，PFSC算法的誤判率維持在2.41%左右，相比于WBOC與KNN有更低的誤判率。

5 結(jié)論

本文研究了無(wú)線傳感器網(wǎng)絡(luò)中的異常值檢測(cè)問(wèn)題。由于網(wǎng)絡(luò)的特殊特性和資源限制，本文提出了一種基于數(shù)據(jù)變化模式頻繁度與數(shù)據(jù)空間相關(guān)性的PFSC算法，并以在線和分布式的方式檢測(cè)異常。實(shí)驗(yàn)表明，PFSC算法在檢測(cè)不同異常率的數(shù)據(jù)流時(shí)有較高的檢測(cè)率和較小的誤判率。

[1] MA L,GU X D, WANG B W. Correction of outliers in temperature time series based on sliding window prediction in meteorological sensor network[J]. Information, 2017, 8(2):60.

[2] GANGULY A R, GAMA J, OMITAOMU O A, et al. Knowledge discovery from sensor data[M]. Springer Berlin Heidelberg, 2010.

[3] RASSAM M A, ZAINAL A, MAAROF M A. Advancements of data anomaly detection research in wireless sensor networks: a survey and open issues[J]. Sensors, 2013, 13(8): 10087-10122.

[4] ZHANG Y. Observing the unobservable: distributed online outlier detection in wireless sensor networks[D]. Enschede: University of Twente, 2010.

[5] LAU B C P, MA E W M, CHOW T W S. Probabilistic fault detector for wireless sensornetwork[J]. Expert Systems with Applications, 2014, 41(8): 3703-3711.

[6] SUBRAMANIAM S, PALPANAS T, PAPADOPOULOS D, et al. Online outlier detection in sensor data using non-parametric models[C]//Proceedings of the 32nd International Conference on Very Large Data Bases, 2006: 187-198.

[7] XU X, GENG W, YANG G, et al. LEDFD: A low energy consumption distributed fault detection algorithm for wireless sensor networks[J]. International Journal of Distributed Sensor Networks, 2014, 10(2): 714530.

[8] BAHREPOUR M, MERATNIA N, POEL M, et al. Distributed event detection in wireless sensor networks for disaster management[C]//Intelligent Networking and Collaborative Systems (INCOS), 2010 2nd International Conference on. IEEE, 2010: 507-512.

[9] HILL D J, MINSKER B S. Anomaly detection in streaming environmental sensor data: A data-driven modeling approach[J]. Environmental Modelling & Software, 2010, 25(9): 1014-1022.

[10] FAWZY A, MIKHTAR H M O, HEGAZY O. Outliers detection and classification in wireless sensor networks[J]. Egyptian Informatics Journal, 2013, 14(2): 157-164.

[11] BRANCH J W,GIANNELLA C, SZYMANSKI B, et al. In-network outlier detection in wireless sensor networks[J]. Knowledge and Information Systems, 2013, 34(1): 23-54.

[12] O′REILLY C, GLUHAK A, IMRAN M A, et al. Anomaly detection in wireless sensor networks in a non-stationary environment[J]. IEEE Communications Surveys & Tutorials, 2014, 16(3): 1413-1432.

[13] Intel. IntelLab data[EB/OL].(2004-××-××).http://www.select.cs. cmu.edu/data/labapp3/index.html.

[14] ZHUANG Y Z, CHEN L. In-network outlier cleaning for data collection in sensor networks[C]// Int′l VLDB Workshop on Clean Databases, Cleandb 2006.

[15] XIE M, HU J K, HAN S, et al. Scalable hypergrid k-NN-based online anomaly detection in wireless sensor networks[J]. IEEE Transactions on Parallel and Distributed Systems, 2013, 24(8): 1661-1670.