项目名称: 无线传感器网络异常检测及异常数据重构关键技术研究

项目编号: No.61303074

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 原锦辉

作者单位: 中国人民解放军信息工程大学

项目金额: 23万元

中文摘要: 无线传感器网络的异常检测方案,通常采用节点协作的方式来完成异常数据判断,这就需要综合多个节点的意见。在现有异常检测方案中,这些意见仅为正常或不正常两种情况。但实际情况并非如此,邻居节点所给出的意见往往包括不确定性。如何将这种不确定性融入异常检测面临巨大挑战。移动节点的逐渐应用,为异常检测技术的改进提供了硬件基础。在异常检测中,如何充分发挥移动节点的潜能是一个值得研究的问题。此外,现有数据重构技术往往建立在时空相关性的基础上,而异常数据的偶然性和突发性使得这一前提并不总是成立。针对这些问题和研究现状,本项目将深入研究传感器网络异常检测和异常数据重构关键技术,拟采用基于主观逻辑的异常检测方法、静止和移动节点动态协作的异常检测技术、基于特征向量库的异常数据重构技术,解决传感器网络异常检测和异常数据重构所存在的一些问题,促进和推动传感器网络数据处理技术的发展。

中文关键词: 无线传感器网络;异常检测;异常数据重构;主观逻辑;路由构建

英文摘要: In wireless sensor networks, anomaly detection approaches ususally determine whether the data is normal with the cooperation of the nodes. To the end, it needs fusing the opinions of sensor nodes. However, previous work consider neighbors' opinions being just normal and anomalous, and do not consider the uncertainty of neighbors to the data of the node. How to fuse the uncertainty for anomaly detection is an important challenge. Beyond that, it provides the hardware foundation for the improvement of the anomaly detection technology with the gradual application of the mobile sensor nodes. How to play fully potential of the mobiles sensor nodes is a problem deserving of study in anomaly detection. In addition, the existing data reconstruction techniques are often based on the spatio-temporal correlation, and it is not always true because of the paroxysm of the abnormal data. To overcome the challenges, the research intends to study the key technologies of anomaly detection and anomalous data reconstruction. And it will propose some solutions which include the subjective logic based anomaly detection technique, dynamically collaboration between static and mobiles sensor nodes, and anomalous data reconstruction techniques on the feature vector library. Thus, it can promote and facilitate the development of anomaly d

英文关键词: Wireless Sensor Networks;Anomaly Detection;Anomalous Data Reconstruction;Subjective Logic;Routing Construction

成为VIP会员查看完整内容
3

相关内容

在数据挖掘中,异常检测(英语:anomaly detection)对不符合预期模式或数据集中其他项目的项目、事件或观测值的识别。通常异常项目会转变成银行欺诈、结构缺陷、医疗问题、文本错误等类型的问题。异常也被称为离群值、新奇、噪声、偏差和例外。 特别是在检测滥用与网络入侵时,有趣性对象往往不是罕见对象,但却是超出预料的突发活动。这种模式不遵循通常统计定义中把异常点看作是罕见对象,于是许多异常检测方法(特别是无监督的方法)将对此类数据失效,除非进行了合适的聚集。相反,聚类分析算法可能可以检测出这些模式形成的微聚类。 有三大类异常检测方法。[1] 在假设数据集中大多数实例都是正常的前提下,无监督异常检测方法能通过寻找与其他数据最不匹配的实例来检测出未标记测试数据的异常。监督式异常检测方法需要一个已经被标记“正常”与“异常”的数据集,并涉及到训练分类器(与许多其他的统计分类问题的关键区别是异常检测的内在不均衡性)。半监督式异常检测方法根据一个给定的正常训练数据集创建一个表示正常行为的模型,然后检测由学习模型生成的测试实例的可能性。
《面向6G的数字孪生技术》未来移动通信论坛
专知会员服务
70+阅读 · 2022年4月15日
军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
基于 5G 通信技术的无人机立体覆盖网络白皮书
专知会员服务
60+阅读 · 2022年3月20日
数据中心传感器技术应用 白皮书
专知会员服务
41+阅读 · 2021年11月13日
专知会员服务
75+阅读 · 2021年9月27日
基于深度学习的图异常检测技术综述
专知会员服务
83+阅读 · 2021年7月28日
专知会员服务
66+阅读 · 2021年5月8日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
35+阅读 · 2021年3月21日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
数据中心传感器技术应用 白皮书
专知
0+阅读 · 2021年11月13日
面向自动驾驶的边缘计算技术研究综述
专知
4+阅读 · 2021年5月3日
图数据表示学习综述论文
专知
52+阅读 · 2019年6月10日
在深度学习中处理不均衡数据集
极市平台
19+阅读 · 2018年11月27日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
好文 | 基于深度学习的目标检测技术演进
七月在线实验室
12+阅读 · 2018年1月31日
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
深入理解LSTM网络
深度学习
17+阅读 · 2017年6月7日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
Arxiv
12+阅读 · 2022年4月12日
Arxiv
11+阅读 · 2021年2月17日
Arxiv
10+阅读 · 2018年2月17日
小贴士
相关VIP内容
《面向6G的数字孪生技术》未来移动通信论坛
专知会员服务
70+阅读 · 2022年4月15日
军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
基于 5G 通信技术的无人机立体覆盖网络白皮书
专知会员服务
60+阅读 · 2022年3月20日
数据中心传感器技术应用 白皮书
专知会员服务
41+阅读 · 2021年11月13日
专知会员服务
75+阅读 · 2021年9月27日
基于深度学习的图异常检测技术综述
专知会员服务
83+阅读 · 2021年7月28日
专知会员服务
66+阅读 · 2021年5月8日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
35+阅读 · 2021年3月21日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
数据中心传感器技术应用 白皮书
专知
0+阅读 · 2021年11月13日
面向自动驾驶的边缘计算技术研究综述
专知
4+阅读 · 2021年5月3日
图数据表示学习综述论文
专知
52+阅读 · 2019年6月10日
在深度学习中处理不均衡数据集
极市平台
19+阅读 · 2018年11月27日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
好文 | 基于深度学习的目标检测技术演进
七月在线实验室
12+阅读 · 2018年1月31日
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
深入理解LSTM网络
深度学习
17+阅读 · 2017年6月7日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员