無線傳感器網(wǎng)絡的異常檢測

文/袁焦 王珣 潘兆馬 楊學鋒 姚書琴

現(xiàn)階段處于云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術發(fā)展環(huán)境下，根據(jù)信息化技術逐漸滲透、傳感節(jié)點規(guī)模指數(shù)性增長和市場規(guī)律調節(jié)等多重因素下，物聯(lián)網(wǎng)技術在智慧城市、智能交通、安全監(jiān)控等領域發(fā)展如火如荼，無線傳感器網(wǎng)絡作為物聯(lián)網(wǎng)技術的重要組成部分，其布設便捷、組網(wǎng)靈活、適應性強、成本低廉的優(yōu)點突出，在物料自動生產領域、自動化監(jiān)測領域、健康與醫(yī)療領域、現(xiàn)代化智能家居領域、軍事與國防領域應用非常廣泛。在如今日益提倡“萬物互聯(lián)”的背景下，無線傳感器網(wǎng)絡的技術發(fā)展成為當下研究的熱點。同時無線傳感器網(wǎng)絡在實際應用中也產生了大量異常工況，例如在災害監(jiān)測領域，常由于部分關鍵節(jié)點異常導致數(shù)據(jù)不完整，無法第一時間感知災害監(jiān)測信息，從而不能有效保障監(jiān)測系統(tǒng)的實時性。因此針對性開展無線傳感器網(wǎng)絡的異常檢測方法研究，成為了無線傳感器網(wǎng)絡研究領域的重點方向。

1 無線傳感器網(wǎng)絡的概念

無線傳感器網(wǎng)絡，即結合了信息采集技術，信息傳輸技術、信息處理技術等等形成一個多元的分布式傳感網(wǎng)絡。其與傳統(tǒng)定義下的傳感器相比，既能夠感知和采集來自外界的信息，也能將這些信息進行有效處理。不僅如此，因為其成本低廉、且組網(wǎng)方式靈活、安裝便捷等優(yōu)勢，現(xiàn)在已經(jīng)能夠應用到多個行業(yè)當中。

但是，也正是因為無線傳感器網(wǎng)絡結合了如此多的優(yōu)點，在安全性方面，更容易因為外界環(huán)境的或者是自身因素的影響，從而導致采集的信息丟失、泄露。也正因此，在無線傳感器網(wǎng)絡的異常檢測方面，使用者和維護人員需投入更多精力深入研究，針對發(fā)現(xiàn)到的異常檢測，要研究并制定合理的對策和方案。

2 數(shù)據(jù)檢測的異常研究

2.1 無線傳感器網(wǎng)絡的異常檢測范圍

根據(jù)調研發(fā)現(xiàn)，無線傳感器網(wǎng)絡出現(xiàn)的異?，F(xiàn)象。

2.1.1 是因為環(huán)境因素的影響

無線傳感器網(wǎng)絡檢測到的環(huán)境因素的變化，可能是采集到的大量信息時的邊緣信息，也有可能是與這些大量的普通信息完全不相關。綜合來講。也就是數(shù)據(jù)信息的異常變化。除此之外，另一個影響因素是無線傳感器網(wǎng)絡拓撲結構的內在因素。因為整個無線傳感器的網(wǎng)絡中分布了太多的節(jié)點。這些節(jié)點其中的某一個出現(xiàn)工作異常或者是自身出現(xiàn)故障，就能夠導致整個系統(tǒng)運行時，出現(xiàn)異常檢測。而針對這些情況，就要求網(wǎng)絡維護人員，一是要時刻注意主要檢測區(qū)域中，環(huán)境方面的不規(guī)律包括異常情況。

2.1.2 要注意維護無線傳感器的各個部位，確定節(jié)點正常運行

包括在采集信息以及信息的傳輸、處理的過程中，要會準確區(qū)分，并且要保證在故障出現(xiàn)之后，能快速制定出相對應的處理方法。

2.2 圖模型——一種異常數(shù)據(jù)檢測的數(shù)據(jù)模型

在一般的異常檢測中，學會建立數(shù)據(jù)模型，無論是對異常情況分析還是對之后制定出異常數(shù)據(jù)檢測的處理措施。而在眾多的數(shù)據(jù)模型中，圖模型既能對異常數(shù)據(jù)的復雜數(shù)據(jù)進行情景描繪，不僅如此，在此基礎前提下，網(wǎng)絡維護人員還可以利用圖模型，能對無線傳感器網(wǎng)絡中的數(shù)據(jù)信息和傳輸方向進行有效分析。而且還能通過異常的檢測數(shù)據(jù)，進行數(shù)據(jù)分析、準確判斷，從而找到真正的問題源頭。除此之外，圖模型的建立還能對檢測的區(qū)域進行地理信息和拓撲結構的完善和整合。使得網(wǎng)絡維護人員能對信息采集區(qū)域產生更有效的直觀層面的認知。

等值線圖是常見的圖模型結構，網(wǎng)絡維護人員利用等值線圖，可以快速分析出，在異常檢測中，由于傳感器內部因素的影響，從而導致的異常數(shù)據(jù)檢測。并且還能對前期異常檢測情況進行分析和總結，從而判定決策，得到最終的異常檢測范圍和可見的異常集合。

2.3 節(jié)點內數(shù)據(jù)異常檢測

因為無線傳感器網(wǎng)絡分布了大量的節(jié)點，節(jié)點常常需檢測采集數(shù)據(jù)異常信息的功能。因此，節(jié)點內數(shù)據(jù)異常檢測的有效方法就是利用采集區(qū)域的數(shù)據(jù)相關性質來進行檢測。相鄰的兩個或者兩個以上的節(jié)點對這些信息進行整合和檢測，一旦發(fā)現(xiàn)與采集過來的大量信息中有相關性不大，或者是毫無相關性的異常信息。就會由節(jié)點來對這些信息進行檢測，判斷其到底是因為環(huán)境變化的影響，造成采集到的數(shù)據(jù)信息異常，還是因為某一個系統(tǒng)環(huán)節(jié)上的故障引起的數(shù)據(jù)異常。

又因為節(jié)點的工作是持續(xù)不間斷進行，所以在檢測數(shù)據(jù)時，一些變化也會在傳感器的數(shù)據(jù)上進行呈現(xiàn)，常分為正常狀態(tài)、疑似異常狀態(tài)、疑似故障狀態(tài)、異常狀態(tài)和故障狀態(tài)。這些狀態(tài)的真實情況，根據(jù)字面意思可以進行理解。其中正常狀態(tài)當然是狀態(tài)一切正常。而疑似異常狀態(tài)，是可疑的異常狀態(tài)，表示節(jié)點可能出現(xiàn)了一些異常事件。并不能確定為異常，還需要經(jīng)過節(jié)點之后的檢測和判定。疑似故障狀態(tài)，是可能出現(xiàn)了疑似設備故障或者是通信的過程中出現(xiàn)了故障，同樣需要相關節(jié)點的檢測。而之后的異常狀態(tài)和異常故障。則是無線傳感器檢測下的區(qū)域發(fā)生了異常的環(huán)境變化，和本身的傳輸設備或者系統(tǒng)發(fā)生了通信故障。

節(jié)點之間的判定原理，來自于節(jié)點之間的相似屬性。通常情況來講，無線傳感器網(wǎng)絡分布大量節(jié)點存在不同的屬性。但是為了更好對數(shù)據(jù)進行處理，相鄰的節(jié)點之間，都是有相互關聯(lián)的屬性。而利用這種屬性上的相關性，在無線傳感器網(wǎng)絡正常工作時，可以根據(jù)這些相鄰節(jié)點屬性上的原因，進行有序的檢測。以此來判定，究竟是因為環(huán)境因素，還是因為本身的設備故障，導致的節(jié)點數(shù)據(jù)異常。同時，也是為了增強后續(xù)節(jié)點處理數(shù)據(jù)時的準確性和投票決策的高效率，因此，前期相鄰節(jié)點會對這些采集而來的信息進行首次判定。

2.4 節(jié)點之間的“共識機制”

“共識機制”即通過節(jié)點之間的投票決策，實現(xiàn)對數(shù)據(jù)信息進行驗證與確認。而這種決策要求，無線傳感器網(wǎng)絡中的拓撲結構，必須條理清晰，且數(shù)據(jù)之間要精準明確。然后根據(jù)拓撲結構，進行節(jié)點之間數(shù)據(jù)傳輸?shù)姆较蝌炞C。此種方法，也可以很輕易的將相關的位置信息通過驗證得出。在此基礎上，利用相鄰節(jié)點的屬性相關性質，由節(jié)點之間的“共識機制”來判定數(shù)據(jù)異常檢測之后的最終結果。在這個過程中，最重要的階段無疑就是節(jié)點對于信息可信度。

信息的可信度，這是通過無線傳感器網(wǎng)絡中的歷史數(shù)據(jù)與當前采集到的數(shù)據(jù)進行對比，產生的一種數(shù)據(jù)對比模塊，其關鍵之處在于目前的相鄰節(jié)點之間與之前相鄰節(jié)點產生的歷史相關的屬性對比。而通過這些數(shù)據(jù)之間成規(guī)模的對比和驗算，得到的結果數(shù)值。通?？梢栽跓o線傳感器網(wǎng)絡的拓撲結構中，由相鄰的傳感器之間進行距離驗證。

通常情況下，驗證之后得到的環(huán)境數(shù)據(jù)越是相近，那么相鄰的節(jié)點之間的驗證就會有更高的準確性，“共識機制”也就是最后的投票決策得到的結果也就越真實。而如果驗證之后得到的環(huán)境數(shù)據(jù)并不相近，甚至相差很大，那么相鄰節(jié)點間得到的準確性就會變低。

3 結束語

本文重要闡述了在進行無線傳感器網(wǎng)絡得到的異常數(shù)據(jù)時，如何針對其異常數(shù)據(jù)進行檢測。也闡述了一般情況下，出現(xiàn)異常數(shù)據(jù)時，無線傳感器網(wǎng)絡的大致范圍，并利用圖模型、相鄰節(jié)點之間的屬性相似、當前接收到的數(shù)據(jù)與歷史數(shù)據(jù)進行的對比驗證，以此來推斷出，異常數(shù)據(jù)出現(xiàn)的大致因素、并借此能準確推斷出相關的地理區(qū)域出現(xiàn)異常信息的大概位置，又或者是設備本身可能出現(xiàn)故障的大概范圍。技術人員利用這些方法剖析異常原因，提高無線傳感器網(wǎng)絡的健壯性與穩(wěn)定性，盡量減少因為設備故障或者環(huán)境異常而導致信息丟失或者是信息損毀。隨著機器學習、大數(shù)據(jù)分析等技術的不斷進步，在未來的應用場景中，無線傳感器網(wǎng)絡的節(jié)點異常檢測將由常規(guī)方式向自動化方式發(fā)展，從而使得異常檢測的效率更高和結果更精確。