1、物聯(lián)網(wǎng)傳感數(shù)據(jù)檢測研究     1引言現(xiàn)代的物聯(lián)網(wǎng)應用中，傳感網(wǎng)絡技術得到了長足的發(fā)展，數(shù)據(jù)的傳遞也變得十分地快速、便捷，與傳統(tǒng)的互聯(lián)網(wǎng)不同，物聯(lián)網(wǎng)絡連接的是與生活息息相關的外界環(huán)境，傳遞的是一些設備儀器采集到的外界信息，這些功能給人們的生產和生活都帶來了極大的便利1。與此同時，各種有害信息也給物聯(lián)網(wǎng)中的傳感網(wǎng)絡帶來了極大的威脅，這些有害信息如果大范圍傳遞，會對物聯(lián)網(wǎng)絡終端的各種設備帶來很大威脅。為了避免上述問題帶來的危害，針對物聯(lián)網(wǎng)的傳感網(wǎng)絡安全防范技術已經(jīng)成為這個領域研究的核心問題。學者們希望能夠利用一種有效方式，自動識別物聯(lián)網(wǎng)的傳感網(wǎng)絡中的異常節(jié)點

2、，避免異常數(shù)據(jù)給物聯(lián)網(wǎng)中的傳感網(wǎng)絡帶來的威脅2。與互聯(lián)網(wǎng)中檢測方法不同，物聯(lián)網(wǎng)中多是以傳感器網(wǎng)絡為基礎的，采集到的外界信息有較強的隨機性。使用傳統(tǒng)方式進行物聯(lián)網(wǎng)絡安全檢查，需要利用有規(guī)律的配準算法、通過配準過濾算法等對物聯(lián)網(wǎng)傳感網(wǎng)絡中的節(jié)點數(shù)據(jù)異常情況進行檢測。這些方法必須建立在節(jié)點數(shù)據(jù)異常特征能夠被準確描述的基礎上，但是與互聯(lián)網(wǎng)不同的是，在物聯(lián)網(wǎng)中，傳感網(wǎng)絡中傳遞的數(shù)據(jù)具有很強的隨機性，數(shù)據(jù)格式、內容等特征存在很大的差異，因此，很難像互聯(lián)網(wǎng)一樣，建立統(tǒng)一特征對物聯(lián)網(wǎng)中的數(shù)據(jù)特征進行有效描述35。當傳感網(wǎng)絡中的數(shù)據(jù)區(qū)別較大的情況下，檢測方法無法建立統(tǒng)一的檢測特征，會造成傳統(tǒng)方法無法檢測出傳感數(shù)

3、據(jù)的異常，獲取結果的漏檢率非常高6。所以，完整檢測出物聯(lián)網(wǎng)傳感網(wǎng)絡中的數(shù)據(jù)異常信息，是保證物聯(lián)網(wǎng)傳感網(wǎng)絡安全的基礎。為了避免使用傳統(tǒng)方式進行物聯(lián)傳感網(wǎng)絡節(jié)點數(shù)據(jù)異常檢測的缺陷，提出了一種基于特征模糊聚類概率搜索的節(jié)點數(shù)據(jù)異常檢測算法，通過建立數(shù)學模型，進行節(jié)點數(shù)據(jù)和異常數(shù)據(jù)相關性概率計算，獲取異常節(jié)點數(shù)據(jù)之間的相關性，通過衡量標準進行對比分析，確定這種節(jié)點數(shù)據(jù)是否存在異常情況7。實驗證明，本文提出的方式能夠對物聯(lián)網(wǎng)中傳感網(wǎng)絡異常數(shù)據(jù)進行準確檢測，取得了讓人滿意的效果。2物聯(lián)網(wǎng)節(jié)點檢測原理物聯(lián)網(wǎng)絡與傳統(tǒng)的互聯(lián)網(wǎng)絡不同，最主要的區(qū)別就是其傳遞的信息是外界采集的不規(guī)則的、有差異的數(shù)據(jù)信息，物聯(lián)網(wǎng)多依

4、靠由傳感器組成的傳感網(wǎng)絡為主。物聯(lián)網(wǎng)傳感網(wǎng)絡中的節(jié)點數(shù)據(jù)異常檢測，也叫做物聯(lián)網(wǎng)傳感網(wǎng)絡節(jié)點數(shù)據(jù)驗證檢測，這種檢測方式是將物聯(lián)網(wǎng)傳感網(wǎng)絡中節(jié)點數(shù)據(jù)與正常節(jié)點數(shù)據(jù)進行對比，根據(jù)配準結果實現(xiàn)對節(jié)點數(shù)據(jù)異常的檢測89。具體方法如下所述:首先建立物聯(lián)網(wǎng)絡中異常節(jié)點數(shù)據(jù)數(shù)學模型，選擇節(jié)點數(shù)據(jù)特性，設為Z(y，z)。利用上面建立的模型，對物聯(lián)網(wǎng)傳感網(wǎng)絡節(jié)點數(shù)據(jù)與正常節(jié)點數(shù)據(jù)進行對比分析，利用式(1)提取出疑似非法節(jié)點數(shù)據(jù)特征，將其作為檢測對象，方法如下:將獲取的待測對象集合與數(shù)據(jù)庫中的節(jié)點數(shù)據(jù)進行對比，利用式(2)能夠鎖定物聯(lián)網(wǎng)傳感網(wǎng)絡中的異常節(jié)點數(shù)據(jù):通過以上檢測原理可以看出，傳統(tǒng)的檢測方法是建立在對網(wǎng)絡

5、節(jié)點數(shù)據(jù)的特征提取基礎上進行的，需要提取網(wǎng)絡數(shù)據(jù)中同一特征建立標準節(jié)點特征進行檢測，但是在物聯(lián)網(wǎng)路中，傳感器采集到的信息存在很大的隨機性和非線性，不同傳感節(jié)點之間采集到的數(shù)據(jù)存在著很大的差異，很難建立統(tǒng)一的特征10。這就造成，式(1)中很難提取出一個統(tǒng)一的特征對異常節(jié)點數(shù)據(jù)進行有效的描述，導致式(2)鎖定節(jié)點不準確，最終導致式(3)無法做出準確的判斷。導致從物聯(lián)網(wǎng)傳感網(wǎng)絡中數(shù)據(jù)異常檢測的準確率越低的問題。為了避免傳統(tǒng)檢測方式的上述缺陷，提出了一種基于特征模糊聚類概率搜索的節(jié)點數(shù)據(jù)異常檢測算法，通過計算節(jié)點數(shù)據(jù)與異常數(shù)據(jù)之間的相關性，運用模糊概率因素確定非法節(jié)點數(shù)據(jù)。避免了傳統(tǒng)檢測方式過于依賴節(jié)

6、點中單一樣本特征的缺陷，準確檢測出物聯(lián)網(wǎng)傳感網(wǎng)絡中的異常數(shù)據(jù)，為快速、完整地過濾物聯(lián)網(wǎng)傳感網(wǎng)絡中的異常數(shù)據(jù)奠定了良好的基礎。3特征模糊聚類概率檢測31異常節(jié)點數(shù)據(jù)搜索與傳統(tǒng)的互聯(lián)網(wǎng)絡不同，物聯(lián)網(wǎng)的異常節(jié)點檢測多是建立在傳感器采集回的差異信息基礎上的，很難像互聯(lián)網(wǎng)一樣，建立統(tǒng)一的傳遞模型。在對物聯(lián)網(wǎng)傳感網(wǎng)絡中的異常數(shù)據(jù)進行檢測時，最重要的步驟是計算節(jié)點數(shù)據(jù)與異常數(shù)據(jù)之間的特征模糊聚類概率。需要建立一個數(shù)學模型描述這種特征模糊聚類概率，這個模型中包括n個待測節(jié)點數(shù)據(jù)和p條相關性較大的數(shù)據(jù)，建立一個大小是n×p的矩陣，用Cn×p=cjkn×p描述。矩陣中的每個點都代表節(jié)

7、點數(shù)據(jù)特性，每列都代表有一定相關性的數(shù)據(jù)特性。如果在滿足上述條件的情況下，l無限接近于rank(B)，則Cl與Cn×p無限接近。假設對矩陣進行降維處理，則在矩陣中，選取物聯(lián)網(wǎng)傳感網(wǎng)絡中的待測節(jié)點數(shù)據(jù)，則可以得到與其相關的節(jié)點數(shù)據(jù)，從而過濾與其無關的節(jié)點數(shù)據(jù)，提高了過濾異常數(shù)據(jù)的效率。根據(jù)上面闡述的方法，可以準確選取異常數(shù)據(jù)的特性，得到節(jié)點數(shù)據(jù)與異常數(shù)據(jù)之間的特征模糊聚類概率，從而提高了異常數(shù)據(jù)檢測效率。32特征模糊聚類概率的計算與互聯(lián)網(wǎng)的直接檢測法不同，在獲取物聯(lián)網(wǎng)傳感網(wǎng)絡中的異常數(shù)據(jù)后，需要計算節(jié)點數(shù)據(jù)與異常數(shù)據(jù)之間的特征模糊聚類概率，從而確定這些數(shù)據(jù)是否屬于異常數(shù)據(jù)。具體步驟如下

8、:使用傳統(tǒng)方式進行物聯(lián)網(wǎng)傳感網(wǎng)絡節(jié)點數(shù)據(jù)異常檢測，忽略了節(jié)點數(shù)據(jù)與異常數(shù)據(jù)之間的聯(lián)系，獲取的檢測結果準確率較低，因此提出了節(jié)點數(shù)據(jù)與異常數(shù)據(jù)之間的特征模糊聚類概率計算方式提高檢測準確率:假設p代表異常數(shù)據(jù)數(shù)目，ek代表第k個掃描節(jié)點，如果這些異常數(shù)據(jù)能夠按照其相關性分為L類，其特性是(w1，w2，wn)，n是待測異常數(shù)據(jù)數(shù)目，ek(wk1，wk2，wkn)代表節(jié)點數(shù)據(jù)，因此，ek=(wk1，wk2，wkn)代表物聯(lián)網(wǎng)傳感網(wǎng)絡中全部待測節(jié)點數(shù)據(jù)。這種檢測方法需要將節(jié)點數(shù)據(jù)ek按照不同的特性進行分類，分為異常數(shù)據(jù)和節(jié)點數(shù)據(jù)兩類。確定物聯(lián)網(wǎng)傳感網(wǎng)絡中的節(jié)點數(shù)據(jù)是否是異常數(shù)據(jù)的時候，需要利用式(8)計

9、算節(jié)點數(shù)據(jù)與異常數(shù)據(jù)之間的特征模糊聚類概率:q(cj)代表對不同種類物聯(lián)網(wǎng)傳感網(wǎng)絡中的節(jié)點數(shù)據(jù)進行檢測時，獲取的節(jié)點數(shù)據(jù)與異常數(shù)據(jù)之間的特征模糊聚類概率。如果待測節(jié)點數(shù)據(jù)相同，則q(fk)不發(fā)生改變。假設節(jié)點數(shù)據(jù)之間是相互獨立的，那么節(jié)點數(shù)據(jù)與異常數(shù)據(jù)之間的聯(lián)系符合式(9)的條件:如何計算節(jié)點數(shù)據(jù)與異常數(shù)據(jù)之間的特征模糊聚類概率，是物聯(lián)網(wǎng)中傳感節(jié)點數(shù)據(jù)異常檢測的核心，直接對這個特征模糊聚類概率進行預測，預測的準確率比較低，所以需要利用下述概率預測算法進行預測:對常數(shù)a進行優(yōu)化處理后，如果q(f=cos)無限接近于1，則異常數(shù)據(jù)過濾效果比較理想，能夠滿足人們日常生產和生活的需要。按照上面闡述的算

10、法，可以根據(jù)通過計算得到的節(jié)點數(shù)據(jù)與異常數(shù)據(jù)之間的特征模糊聚類概率，檢測物聯(lián)網(wǎng)中的異常數(shù)據(jù)，避免傳統(tǒng)方式對異常數(shù)據(jù)檢測率過低的缺陷。4實驗結果及對比為了驗證物聯(lián)網(wǎng)中的傳感節(jié)點數(shù)據(jù)異常檢測方法的效果，本文分別使用傳統(tǒng)方式和本文提及的基于特征模糊聚類概率搜索的節(jié)點數(shù)據(jù)異常檢測方式進行異常數(shù)據(jù)檢測，實驗步驟用圖1表示。本文選取的樣本數(shù)據(jù)集合中包含1300個物聯(lián)網(wǎng)中傳感節(jié)點數(shù)據(jù)，其中包括200個異常數(shù)據(jù)，為了突出本文提及的檢測方法的優(yōu)勢，實驗中首先使用相近數(shù)據(jù)代替異常數(shù)據(jù)，對樣本中的異常數(shù)據(jù)進行隱藏，然后分別使用傳統(tǒng)檢測方式和本文提及的檢測方式，進行物聯(lián)網(wǎng)中傳感節(jié)點數(shù)據(jù)異常檢測，獲取的實驗數(shù)據(jù)用圖2描述。在圖2中，x軸代表異常數(shù)據(jù)數(shù)目，y軸代表檢測異常數(shù)據(jù)的準確率。曲線2是使用傳統(tǒng)方式進行檢測的準確率，曲通過圖2能夠得知，如果物聯(lián)網(wǎng)傳感網(wǎng)絡中的節(jié)點樣本數(shù)目越大，使用本文提及的方法進行檢測的準確率越高，與傳統(tǒng)檢測方式進行對比的優(yōu)勢越明顯。使用本文提及的方式進行節(jié)點異常檢測能夠避免傳統(tǒng)檢測方式漏檢率過高的問題。實驗數(shù)據(jù)用表1描述。實驗證明，本文提出的物聯(lián)網(wǎng)中傳感節(jié)點數(shù)據(jù)異常檢測方法的準確率比傳統(tǒng)檢測方式高很多，能夠完整的檢測出物聯(lián)網(wǎng)傳感網(wǎng)絡中的異常數(shù)據(jù)，并且提高了檢測效率，保證了網(wǎng)絡數(shù)據(jù)的安全。5結論本文在計算節(jié)點數(shù)據(jù)與異常數(shù)據(jù)之間的特征模糊聚類