张星亮

（河北地质大学 信息工程学院，河北 石家庄 050031）

0 引言

无线传感器网络（Wireless Sensor Network，WSN）是由具备通信能力和计算能力的传感器节点组成的自组网络。由于节点低成本且部署灵活等特点，现已广泛用于农业环境监测、地质数据采集、军事侦察等众多相关领域。无线传感器网络往往部署在无人管理的或者恶劣的环境中，可能会受到其他信号的干扰、自身电量限制和环境异常变化而导致数据出现异常，进而使得无法进行后面的数据计算和分析。因此在部署无线传感器网络时需要将对数据的异常检测考虑在内。

近些年来，一些专家和学者对无线传感器网络中的异常数据检测做了很多突出贡献。Bilal[1]等人提出了一种基于 K-medoid定制聚类技术的混合异常检测方法，该方法适用于无线环境下包括误向和黑洞攻击的混合异常检测。Mahmood[2]等人一种基于局部时间序列的无线传感器网络数据噪声与异常检测方法，采用自适应贝叶斯网络作为分类算法，能够对每个传感器节点的异常值进行局部预测和识别。Murad[3]等人提出了一种基于单类主成分分类器（OCPCC）的WSN分布式异常检测模型，该模型利用了封闭邻域中感测数据之间的空间相关性来对异常进行检测。郑文添[4]针对WSN的异常数据检测，以PCA算法为基础结合马氏距离提出改进型分布式主成分异常数据检测方案，能够提高了网络中异常数据的检测性能并同时降低网络中的通信资源开销。邓丽[5]等人提出一种融合数据流时空特征和多分类模型的异常检测算法，算法首先基于 Markov链提取传感器数据流的时空特征，然后将时空特征作为多分类卷积神经网络模型的输入特征，对数据流进行异常检测及异常类型识别。……