[发明专利]一种无线传感网络的网络数据异常检测与定位方法

说明书

本发明公开了一种无线传感网络的网络数据异常检测与定位方法，包括：获取无线传感网络的观测数据，包括：无线传感网络在某一时刻的观测数据以及K个历史观测数据；基于观测数据构建图数据；对图数据进行图滤波处理，得到输出图数据；基于输出图数据得到联合图变分值；通过图模型得到子图模型；基于子图模型与所述图数据得到子图数据；基于子图数据得到子图联合图变分值；基于联合图变分值与所述子图联合图变分值判断子图的中心节点是否是疑似异常节点；通过疑似异常节点与子图的节点判断子图的中心节点是否是异常节点。本发明不仅能够判断当前时刻的网络数据是否存在异常节点，并且同时能够完成异常节点的准确定位。

技术领域

本发明涉及网络数据处理技术领域，具体涉及一种无线传感网络的网络数据异常检测与定位方法。

背景技术

随着人工智能、云计算等新技术的快速发展、社交网络等新兴互联网应用的兴起，人类获取和存储数据的规模正以前所未有的速度爆炸式的增长，与数据科学相关的技术变革正在成为学术界和工业界的热点问题。如今，网络数据被广泛应用于传感网络、无线通信等领域中，为人类获取和存储大规模非规则数据集提供了新的研究思路和解决途径。例如在传感网络中，人们在复杂的物理环境空间中部署了大量的传感器节点，用于监测实时的环境感知信息。然而，由于传感网络所监测的物理环境往往十分恶劣，容易导致所部署的传感器节点出现故障，进而导致所采集的节点数据值出现异常或者失灵的情况。如果采用人工检测的方法，不仅检测成本较高；而且在一些特定监测环境中(比如火山、悬崖等危险环境)，异常感知节点的人工检测与定位任务的可操作性不高。针对上述问题，本方法不仅能够判断出当前时刻的网络数据中是否存在异常节点，还能够同时较好地定位出网络中的异常节点，为之后的修复工作提供有效的帮助。

传统的网络数据异常检测与定位方法主要是基于其数据本身的统计规律，并没有考虑到网络拓扑结构和数据异常检测之间的关联性。近年来，随着图信号处理理论的提出与不断完善，基于图拓扑结构的数据挖掘方法被引入到网络数据异常检测中。2014年，Sandryhaila和Moura提出了基于全局高通图滤波的传感器网络异常检测方法。该方法首先将网络信号进行高通图滤波得到输出信号，再根据输出信号的图频率判断传感器网络是否异常，即网络中是否存有异常节点。该方法操作简便，异常检测率较高，但是该方法仅仅基于图频谱的阈值判断，并不能定位出异常节点。此外，基于全局图高通图滤波的异常检测方法，需要经验性地针对不同的网络数据集设置硬阈值的参数，不具备良好的可扩展性，往往需要进行测试之后才能得到较好的控制阈值的参数。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种无线传感网络的网络数据异常检测与定位方法，用于解决现有技术的至少一个缺陷。

为实现上述目的及其他相关目的，本发明提供一种无线传感网络的网络数据异常检测与定位方法，采用图模型表征无线传感网络，利用不同尺度下的联合图全变分方法进行传感网络中的异常数据检测与定位，所述定位方法包括：

获取无线传感网络的观测数据，所述观测数据包括：无线传感网络在某一时刻的观测数据以及K个历史观测数据；

基于所述观测数据构建图数据；

对所述图数据进行图滤波处理，得到输出图数据；

基于所述输出图数据得到联合图变分值；

通过所述图模型得到子图模型；

基于所述子图模型与所述输出图数据得到子图数据；

基于所述子图数据得到子图联合图变分值；

基于所述联合图变分值与所述子图联合图变分值判断子图的中心节点是否是疑似异常节点；

通过疑似异常节点与子图的节点判断子图的中心节点是否是异常节点。

可选地，所述基于所述观测数据构建图数据，包括：