金 鹏,夏晓峰,乔 焰,3*,崔信红

(1.安徽农业大学信息与计算机学院,合肥 230036;2.国家开发银行信息科技局,北京 100000; 3.北京邮电大学网络与交换技术国家重点实验室,北京 100876)

随着物联网的普及,无线传感器网络WSNs(Wireless Sensor Networks)已经被广泛地应用于各个领域,通过分析与挖掘传感器所采集上报的数据,能够为各个行业提供极具价值的有效信息。然而复杂的部署环境以及传感器自身的内存、CPU以及能源的条件非常容易使传感器发生软硬件故障,从而产生异常数据,而对掺杂异常数据集合的分析会严重影响有效信息的挖掘及关键决策的制定。因此实时准确地检测出无线传感器网络所采集的异常数据变得愈发重要。及时检测出异常数据一方面可以更好的保证传感器所采集数据的安全性和可靠性;另一方面,异常数据在某些监测环境下能够发挥重要的作用,例如,可通过采集到的异常数据来判断是否发生了某种突发事件(如火灾、空气污染、洪水及人为破坏等)[1-3]。然而,随着传感器网络规模的不断扩大,及所采集数据的日趋复杂,对传感器数据异常的检测变得越来越困难,主要表现为以下几个方面:①无论是分布式还是集中式的数据处理,均要求对异常数据的检测要具备较低的时间和空间复杂度,从而应对海量的采集数据;②由于传感器通常实时地采集并上传数据,因此要求数据的异常检测需要具备在线检测的能力;③现如今,越来越多的数据呈现高维的特征(一个数据项包含温度,湿度,光照,坐标,位移等诸多维度),高维数据一方面会增加异常检测的计算时间,另一方面若异常仅出现在少部分维度上,则这些异常数据很难与正常数据相区分。……