基於相關性的分布式事件檢測方法
2023-05-31 14:29:26 1
基於相關性的分布式事件檢測方法
【專利摘要】本發明公開了一種基於相關性的分布式事件檢測方法，採用分簇結構，根據無線傳感器網絡事件區域的局部性，在節點內分析數據的時間相關性，在相鄰節點間分析數據的空間相關性，識別出發生事件的節點；採用直方圖方法分析節點異常的相關性，提高檢測的準確度；因節點間傳遞的是直方圖的摘要信息，減少了節點間的通信能耗；本方法可以有效檢測出新事件的發生，具有較低的誤報率和能量消耗，相對於集中式異常檢測方法，具有較高的檢測性能，並顯著降低了通信成本。
【專利說明】基於相關性的分布式事件檢測方法
【技術領域】
[0001]本發明涉及一種簇型結構組織傳感器網絡的異常行為節點的檢測，尤其涉及一種基於相關性的分布式事件檢測方法。
【背景技術】
[0002]無線傳感器網絡(Wireless Sensor Networks,簡稱WSN)布滿了傳感器節點，用於檢測是否出現異常情況。如果傳感器感知的數據和歷史數據的偏離程度超過了指定的閾值，則認為出現了異常數據；如果一定區域的多個節點均出現類似的異常情況，則可判定是異常節點，體現一種異常行為，需及時上報給基站，以便用戶處理。WSN中的新事件或者部分事件沒有先驗知識及判定條件，這樣就不能採用事件閾值作為事件判決的方法，這類事件檢測也被稱為異常檢測。在很多應用中，檢測出這樣的事件節點或者異常節點，都具有重要意義，如入侵檢測。這種事件檢測也可用於獲得新事件的相關信息。
[0003]異常節點的數據與自身的歷史數據，或者其它正常節點的數據，有很大的差別。這些異常數據可能是由噪聲數據或失效節點產生的；也可能包含有價值的信息，體現一種異常行為。比如，單個溫度傳感器的數值很高，可能是噪聲數據造成的；而若一定區域內的多個溫度傳感器的數值都很高，則可能預示著火災的發生。這種節點往往具有一定的局部普遍性，我們稱這種節點為事件節點或異常節點；而對於不具有普遍性的異常情況，如噪聲數據或失效節點的數據，我們定義為孤立節點失效節點的數據或噪聲數據不具有相關性，而異常節點的數據往往具有一定的時空相關性。
[0004]近年來，已經提出了一些異常節點的檢測算法。例如，基於高斯分布的檢測算法(Wu W Lj Cheng X Zj Ding M，et al.Localized outlying and boundarydata detectionin sensor networks[J].1EEE Transactions on Knowledge and Data Engineering, 2007，19(8):1145-1157),它利用相鄰節點的數據對比來檢測異常情況。基於直方圖的異常檢測算法(Sheng B，Li Qj Mao W.0utlier detection in sensor networks [C].Procof MobiHoc』 07，Qu6bec，Canada: ACM，2007:219-228)，它通過搜集整個網絡的直方圖信息，來代替原始數據的傳送。但這些方法，或者僅考慮了空間相關性，沒有考慮時間相關性；或者通信成本較高，可擴展性不強，不適合在大規模的傳感器網絡中應用。Jun M C，Jeong H, Jay KuoCC.Distributed spatio-temporal outlier detection in sensor networks[C].Proc ofSPIE，2005，5819:273-284假設異常點符合均衡α分布，以此進行異常檢測；但實際中往往沒有先驗分布存在，而且即使有合適的分布存在，新的數據也不一定符合已知的分布。
[0005]傳感器網絡中的異常檢測算法需要在節省能量的前提下，完成檢測任務。對於一個傳感器節點來說，通信消耗的能量通常高於計算所消耗的能量幾個數量級。因此，可考慮利用節點自身的計算能力，首先進行節點內計算，減少需要傳輸的數據量，以此降低節點之間的通信成本。同時，考慮到傳感器網絡中的異常節點具有局部性，分布式檢測算法可以及時、準確地發現異常節點。
【發明內容】
[0006]發明目的:為了克服現有技術中存在的不足，本發明提供一種基於相關性的分布式事件檢測算法(CDA,Correlation-based Distributed Event Detection Algorithm),米用分簇結構，根據事件區域的局部性，在節點內進行時間相關性的分析，在相鄰節點間分析空間相關性，識別出發生事件的節點。採用數據直方圖分析節點異常的相關性，可提高檢測的準確度；同時因節點間傳遞的是直方圖的摘要信息，可以減少節點間通信能耗。
[0007]技術方案:為實現上述目的，本發明採用的技術方案為:
[0008]一種基於相關性的分布式事件檢測方法，對於簇型拓撲結構無線傳感器網絡進行事件檢測，包括如下步驟:
[0009](I)傳感器節點獲取自身的檢測數據，計算摘要數據(包括數據的上、下邊界和數據量)，並將摘要數據上傳至簇頭；
[0010](2)簇頭匯總簇內所有傳感器節點上傳的摘要數據，建立全簇的數據直方圖，下發該數據直方圖至簇內所有傳感器節點，同時下發的還包括從基站獲取的閾值數據；
[0011](3)簇內節點根據全簇的數據直方圖和閾值數據生成本地的數據直方圖，計算最近歷史數據的均值，然後檢測最近的時間窗口數據，計算當前數據和歷史數據的時間相關性:若滿足時間相關性，則當前數據正常，繼續檢測；若不滿足時間相關性，則當前數據異常，將當前數據上傳至簇頭；
[0012](4)簇頭節點計算簇內的數據異常節點的空間相關性:若滿足空間相關性，則視為異常節點，將該節點歸入到異常節點集合；若不滿足空間相關性，則視為孤立節點，將該節點歸入到孤立節點集合；簇頭將異常節點集合和孤立節點集合信息上傳至基站；
[0013](5)基站對異常節點集合和孤立節點集合信息進行分類處理:
[0014]異常節點集合:對異常節點進行匯總分析，檢測出異常區域；
[0015]孤立節點集合:將孤立節點歸到相鄰分簇內，建立臨時簇，根據該孤立節點的異常信息和該相鄰簇的原始信息，建立新的數據直方圖；在該臨時簇中重新分析該孤立節點的空間相關性:若滿足空間相關性，則將該孤立節點歸入異常節點集合，並將該臨時簇升級為正式簇，同時將該異常節點從原簇中刪除；若不滿足空間相關性，則將該孤立節點加入到基站的孤立節點集合，並放棄該臨時簇；對於連續時間窗口內的孤立節點，將該孤立節點歸入失效節點集合，並更新該孤立節點所對應的分簇信息。
[0016]傳感器節點能量有限，因此異常檢測算法必須考慮減少節點之間的通信量，本發明採用分布式算法，由簇內節點、簇頭節點、基站協同完成異常檢測的任務；在傳感器網絡中，簇內節點分析時間相關性，簇頭節點分析空間相關性並協同各節點處理,基站進行匯總分析，這樣既可利用節點的計算能力，又可降低節點間的通信成本。
[0017]在無線傳感器網絡事件檢測中，如果在某區域內的多個節點都發生了異常，只有這些異常之間是相關聯的，才能反映出一種異常趨勢。本發明中，當節點的檢測數據發生顯著變化時，基於數據直方圖分析異常節點的時間相關性與空間相關性，從數據變動的方向(即數據偏移方向，根據數據偏移的方向能夠區分異常節點)和幅度(即數據偏移的幅度，體現在空間相關性分析中，一般認為數據偏移幅度在小於一個直方圖組之內，則認為是空間數據相關的)兩方面來考慮節點異常的相關性。只有節點數據的變動方向和幅度均一致，我們才認為發生了相關的異常，即發生了新的事件。[0018]直方圖是一種統計結構，常用於對數據的分組中。通過建立全局統一的數據直方圖，我們可以在整個WSN中，採用統一的方式判斷節點的異常是否相關:如果節點都發生了顯著的異常，而且數據都處於直方圖的同一分組或相鄰分組，則認為發生了相關異常，即發生了事件，這樣不但可以提高檢測的準確度，而且因為只需要在節點之間傳輸分組的摘要信息，不需要傳輸所有檢測數據，所以是一種能量高效的檢測算法。
[0019]時間相關性，用於判斷節點數據在時間維度上的一致性，即當前數據和歷史數據的一致性；具體的，所述時間相關性評價方法如下:
[0020]對於傳感器節點Iii,將節點Iii測量的歷史數據的平均值^作為基準均值，最近的時間窗口內測量的數據均值為巧，計算時間窗口均值的偏離度tw為:
【權利要求】
1.一種基於相關性的分布式事件檢測方法，針對簇型拓撲結構的無線傳感器網絡進行事件檢測，其特徵在於:包括如下步驟: (1)傳感器節點獲取自身的檢測數據，計算摘要數據並將摘要數據上傳至簇頭； (2)簇頭匯總簇內所有傳感器節點上傳的摘要數據，建立全簇的數據直方圖，下發該數據直方圖至簇內所有傳感器節點，同時下發的還包括從基站獲取的閾值數據； (3)簇內節點根據全簇的數據直方圖和閾值數據生成本地的數據直方圖，計算最近歷史數據的均值，然後檢測最近的時間窗口數據，計算當前數據和歷史數據的時間相關性:若滿足時間相關性，則當前數據正常，繼續檢測；若不滿足時間相關性，則當前數據異常，將當前數據上傳至簇頭； (4)簇頭節點計算簇內的數據異常節點的空間相關性:若滿足空間相關性，則視為異常節點，將該節點歸入到異常節點集合；若不滿足空間相關性，則視為孤立節點，將該節點歸入到孤立節點集合；簇頭將異常節點集合和孤立節點集合信息上傳至基站； (5)基站對異常節點集合和孤立節點集合信息進行分類處理: 異常節點集合:對異常節點進行匯總分析，檢測出異常區域； 孤立節點集合:將孤立節點歸到相鄰分簇內，建立臨時簇，根據該孤立節點的異常信息和該相鄰簇的原始信息，建立新的數據直方圖；在該臨時簇中重新分析該孤立節點的空間相關性:若滿足空間相關性，則將該孤立節點歸入異常節點集合，並將該臨時簇升級為正式簇，同時將該異常節點從原簇中刪除；若不滿足空間相關性，則將該孤立節點加入到基站的孤立節點集合，並放棄該臨時簇；對於連續時間窗口內的孤立節點，將該孤立節點歸入失效節點集合，並更新該孤立節點所對應的分簇信息。
2.根據權利要求1所述的基於相關性的分布式事件檢測方法，其特徵在於:所述時間相關性評價方法如下: 對於傳感器節點叫，將節點Ili測量的歷史數據的平均值^作為基準均值，最近的時間窗口內測量的數據均值為^，計算時間窗口均值的偏離度tw為:
3.根據權利要求2所述的基於相關性的分布式事件檢測方法，其特徵在於:所述平均值的計算方法為: a.對於數據Xl，X2,…，xn,根據各數據生成數據直方圖，得到k個分組gl，g2,…，gi,…，Sk ； b.定義第i個分組的大小IgiI為第i個分組中包含的數據的個數，根據各個分組的大小由大到小排列得到gk'，…，g/ ,..., g2' , g/ ;C.給定一個均值數據覆蓋度IV由大到小累積各組數據，直到組g/滿足下式:
4.根據權利要求1所述的基於相關性的分布式事件檢測方法，其特徵在於:所述空間相關性評價方法如下: 將數據異常節點按偏離方向分類，設簇內具有某一偏離方向特徵的數據異常節點數目為c'，簇內的總節點的數據為ch，計算異常支持度Se為:`
5.根據權利要求1所述的基於相關性的分布式事件檢測方法，其特徵在於:所述步驟(3)中使用的時間窗口為動態時間窗口，即:傳感器首先採用較短的時間窗口進行檢測，當發現當前數據異常時，增大時間窗口繼續檢測，若在該增大後的時間窗口內依然存在數據異常，則進行後續異常處理。
【文檔編號】H04W24/04GK103561419SQ201310549260
【公開日】2014年2月5日 申請日期:2013年11月7日 優先權日:2013年11月7日
【發明者】呂建華, 張柏禮, 王進強 申請人:東南大學