无线传感器网络的异常检测

文/袁焦 王珣 潘兆马 杨学锋 姚书琴

现阶段处于云计算、物联网、大数据、人工智能等技术发展环境下，根据信息化技术逐渐渗透、传感节点规模指数性增长和市场规律调节等多重因素下，物联网技术在智慧城市、智能交通、安全监控等领域发展如火如荼，无线传感器网络作为物联网技术的重要组成部分，其布设便捷、组网灵活、适应性强、成本低廉的优点突出，在物料自动生产领域、自动化监测领域、健康与医疗领域、现代化智能家居领域、军事与国防领域应用非常广泛。在如今日益提倡“万物互联”的背景下，无线传感器网络的技术发展成为当下研究的热点。同时无线传感器网络在实际应用中也产生了大量异常工况，例如在灾害监测领域，常由于部分关键节点异常导致数据不完整，无法第一时间感知灾害监测信息，从而不能有效保障监测系统的实时性。因此针对性开展无线传感器网络的异常检测方法研究，成为了无线传感器网络研究领域的重点方向。

1 无线传感器网络的概念

无线传感器网络，即结合了信息采集技术，信息传输技术、信息处理技术等等形成一个多元的分布式传感网络。其与传统定义下的传感器相比，既能够感知和采集来自外界的信息，也能将这些信息进行有效处理。不仅如此，因为其成本低廉、且组网方式灵活、安装便捷等优势，现在已经能够应用到多个行业当中。

但是，也正是因为无线传感器网络结合了如此多的优点，在安全性方面，更容易因为外界环境的或者是自身因素的影响，从而导致采集的信息丢失、泄露。也正因此，在无线传感器网络的异常检测方面，使用者和维护人员需投入更多精力深入研究，针对发现到的异常检测，要研究并制定合理的对策和方案。

2 数据检测的异常研究

2.1 无线传感器网络的异常检测范围

根据调研发现，无线传感器网络出现的异常现象。

2.1.1 是因为环境因素的影响

无线传感器网络检测到的环境因素的变化，可能是采集到的大量信息时的边缘信息，也有可能是与这些大量的普通信息完全不相关。综合来讲。也就是数据信息的异常变化。除此之外，另一个影响因素是无线传感器网络拓扑结构的内在因素。因为整个无线传感器的网络中分布了太多的节点。这些节点其中的某一个出现工作异常或者是自身出现故障，就能够导致整个系统运行时，出现异常检测。而针对这些情况，就要求网络维护人员，一是要时刻注意主要检测区域中，环境方面的不规律包括异常情况。

2.1.2 要注意维护无线传感器的各个部位，确定节点正常运行

包括在采集信息以及信息的传输、处理的过程中，要会准确区分，并且要保证在故障出现之后，能快速制定出相对应的处理方法。

2.2 图模型——一种异常数据检测的数据模型

在一般的异常检测中，学会建立数据模型，无论是对异常情况分析还是对之后制定出异常数据检测的处理措施。而在众多的数据模型中，图模型既能对异常数据的复杂数据进行情景描绘，不仅如此，在此基础前提下，网络维护人员还可以利用图模型，能对无线传感器网络中的数据信息和传输方向进行有效分析。而且还能通过异常的检测数据，进行数据分析、准确判断，从而找到真正的问题源头。除此之外，图模型的建立还能对检测的区域进行地理信息和拓扑结构的完善和整合。使得网络维护人员能对信息采集区域产生更有效的直观层面的认知。

等值线图是常见的图模型结构，网络维护人员利用等值线图，可以快速分析出，在异常检测中，由于传感器内部因素的影响，从而导致的异常数据检测。并且还能对前期异常检测情况进行分析和总结，从而判定决策，得到最终的异常检测范围和可见的异常集合。

2.3 节点内数据异常检测

因为无线传感器网络分布了大量的节点，节点常常需检测采集数据异常信息的功能。因此，节点内数据异常检测的有效方法就是利用采集区域的数据相关性质来进行检测。相邻的两个或者两个以上的节点对这些信息进行整合和检测，一旦发现与采集过来的大量信息中有相关性不大，或者是毫无相关性的异常信息。就会由节点来对这些信息进行检测，判断其到底是因为环境变化的影响，造成采集到的数据信息异常，还是因为某一个系统环节上的故障引起的数据异常。

又因为节点的工作是持续不间断进行，所以在检测数据时，一些变化也会在传感器的数据上进行呈现，常分为正常状态、疑似异常状态、疑似故障状态、异常状态和故障状态。这些状态的真实情况，根据字面意思可以进行理解。其中正常状态当然是状态一切正常。而疑似异常状态，是可疑的异常状态，表示节点可能出现了一些异常事件。并不能确定为异常，还需要经过节点之后的检测和判定。疑似故障状态，是可能出现了疑似设备故障或者是通信的过程中出现了故障，同样需要相关节点的检测。而之后的异常状态和异常故障。则是无线传感器检测下的区域发生了异常的环境变化，和本身的传输设备或者系统发生了通信故障。

节点之间的判定原理，来自于节点之间的相似属性。通常情况来讲，无线传感器网络分布大量节点存在不同的属性。但是为了更好对数据进行处理，相邻的节点之间，都是有相互关联的属性。而利用这种属性上的相关性，在无线传感器网络正常工作时，可以根据这些相邻节点属性上的原因，进行有序的检测。以此来判定，究竟是因为环境因素，还是因为本身的设备故障，导致的节点数据异常。同时，也是为了增强后续节点处理数据时的准确性和投票决策的高效率，因此，前期相邻节点会对这些采集而来的信息进行首次判定。

2.4 节点之间的“共识机制”

“共识机制”即通过节点之间的投票决策，实现对数据信息进行验证与确认。而这种决策要求，无线传感器网络中的拓扑结构，必须条理清晰，且数据之间要精准明确。然后根据拓扑结构，进行节点之间数据传输的方向验证。此种方法，也可以很轻易的将相关的位置信息通过验证得出。在此基础上，利用相邻节点的属性相关性质，由节点之间的“共识机制”来判定数据异常检测之后的最终结果。在这个过程中，最重要的阶段无疑就是节点对于信息可信度。

信息的可信度，这是通过无线传感器网络中的历史数据与当前采集到的数据进行对比，产生的一种数据对比模块，其关键之处在于目前的相邻节点之间与之前相邻节点产生的历史相关的属性对比。而通过这些数据之间成规模的对比和验算，得到的结果数值。通常可以在无线传感器网络的拓扑结构中，由相邻的传感器之间进行距离验证。

通常情况下，验证之后得到的环境数据越是相近，那么相邻的节点之间的验证就会有更高的准确性，“共识机制”也就是最后的投票决策得到的结果也就越真实。而如果验证之后得到的环境数据并不相近，甚至相差很大，那么相邻节点间得到的准确性就会变低。

3 结束语

本文重要阐述了在进行无线传感器网络得到的异常数据时，如何针对其异常数据进行检测。也阐述了一般情况下，出现异常数据时，无线传感器网络的大致范围，并利用图模型、相邻节点之间的属性相似、当前接收到的数据与历史数据进行的对比验证，以此来推断出，异常数据出现的大致因素、并借此能准确推断出相关的地理区域出现异常信息的大概位置，又或者是设备本身可能出现故障的大概范围。技术人员利用这些方法剖析异常原因，提高无线传感器网络的健壮性与稳定性，尽量减少因为设备故障或者环境异常而导致信息丢失或者是信息损毁。随着机器学习、大数据分析等技术的不断进步，在未来的应用场景中，无线传感器网络的节点异常检测将由常规方式向自动化方式发展，从而使得异常检测的效率更高和结果更精确。