[发明专利]一种物联网节点数据驱动的异常监控区域检测方法

说明书

本发明公开了一种物联网节点数据驱动的异常监控区域检测方法，包括：提取物联网节点的上报状态数据的平均值、变化值、与关键点的差异值、与平均点的差异值、信誉值、可信度等特征数据；根据物联网节点的特征数据，计算每一个物联网节点的第一距离相关邻居节点，采用高效无参数的层次分簇方法实现物联网节点的分簇；根据分簇结果，计算每一个簇的评价分，从而判断该簇中物联网节点所在区域是否为异常监测区域。本发明时间复杂度较低，可快速确定存在异常状态的簇和簇中物联网节点所在的监测区域，提高异常监测区域检测的速度，可第一时间分析和降低该异常监测区域内物联网节点数据对整个物联网系统的影响，提高物联网系统运行的鲁棒性。

技术领域

本发明涉及物联网节点安全技术领域，具体涉及一种物联网节点数据驱动的异常监控区域检测方法。

背景技术

随着物联网技术的成熟和基础设施的日益完善，物联网具有愈发重要的理论意义和社会经济价值，其各个应用领域已成为全球发展的战略方向和必然趋势。我国的物联网产业具有很大的发展空间，市场潜力巨大。

目前，虽然我国物联网产业飞速发展，但是很多企业侧重于物联网的快速应用、市场占有和其产生的经济效益，较少投入力量考虑物联网节点的安全问题，大量的物联网节点缺乏安全防护措施；因此物联网节点间共享的信息很容易被窃听、干扰和篡改，面临通信安全威胁、硬件安全威胁、数据安全威胁等安全威胁，导致安全事件频发和用户生命财产受损，因此物联网节点的安全是物联网的核心技术之一。

在物联网节点的安全中，如何根据物联网节点的数据，检测存在的异常情况是其需要研究的关键问题之一。有些学者侧重于研究单个物联网节点本身的异常检测方法，如Haojie等人针对基于5G技术的车载网络的潜在安全威胁问题，设计了4类实验场景并提出了一种车载网络异常行为的轻量级入侵检测方法；Joosang Y等人针对攻击者可通过拦截和篡改电子传感器的数据而远程控制汽车的问题，提出了一种基于代码的智能车辆轻量级完整性检测认证方案，此方案计算效率较高且不需要额外通信。但是，上述方法主要考虑单个物联网节点的各自数据，没有考虑利用全网物联网数据进行异常检测。同时，部分学者采用人工智能、深度学习等方法检测异常物联网节点，如Loukas G等人选择采用深度学习检测异常节点的入侵，即将采集到的时间序列数作为输入，然后结合多层感知器和递归神经网络结构，实现检测任务；刘湘雯等人针对虚假交通警报信息的检测问题，提出一种基于弱分类器集成的虚假交通信息检测方法，该方法扩充交通警报信息的有效特征，并设计分割规则，将信息的特征集划分为多个特征子集，使用对应的弱分类器分别进行识别。虽然上述方法在异常检测中应用神经网络，取得较好的效果；但是主要实时检测单一物联网节点，没能考虑全网数据和实现监测区域的异常检测。

发明内容

针对现有技术中存在的上述问题，本发明提供一种物联网节点数据驱动的异常监控区域检测方法，其根据全网物联网节点的上报状态数据，提取物联网节点的特征数据，并实现节点分簇和簇评价，从而快速确定存在异常状态的簇和簇中物联网节点所在的异常监测区域，提高异常区域检测的速度，降低异常数据对物联网系统的影响。

本发明公开了一种物联网节点数据驱动的异常监控区域检测方法，包括：

采集物联网节点的上报状态数据；

计算每个物联网节点上报状态数据的特征数据；其中，所述特征数据包括：上报状态数据的平均值、变化值、与关键点的差异值、与平均点的差异值、信誉值和可信度；

基于每个物联网节点的特征数据，构成所有物联网节点的数据集；

计算数据集中距离最近的两个物联网节点的邻居连接矩阵；

设定分簇个数

基于邻居连接矩阵A和图连通原则，将物联网节点分成个簇，获得分簇方案F_t；

判断分簇方案F_t中是否存在2个以上的簇；