[发明专利]一种映射隔离森林的无线传感器网络异常数据检测方法

权利要求书

1.一种映射隔离森林的无线传感器网络异常数据检测方法，其特征在于，该方法具体包括以下步骤：

S1：采集感知数据，定义训练数据；

S2：数据归一化，将训练数据通过z-score标准化方法进行归一化；

S3：使用随机哈希函数得到降维后的新数据集，具体包括：

S31：计算归一化后训练数据对应的随机哈希函数：

其中，α是从满足p-稳定分布函数中随机抽样得到的q维向量，β是一个在上均匀分布的随机变量；哈希函数h_α,β(υ):R^q→Z能把一个q维向量υ映射到整数集上；为向下取整操作；数据集经过L个随机哈希函数h＝(h₁(υ),h₂(υ),...h_L(υ))降维映射后得到一个L维向量V＝(v₁,v₂,...v_L)；

S32：根据以下主、次哈希函数G₁、G₂公式计算得到主、次哈希函数的值g₁、g₂：

S4：使用主次哈希函数将新数据集映射分桶，具体包括：

S41：比较主次哈希函数值，若g1＝g2，将对应的数据点分到同一个桶内；

S42：对N个桶内哈希值点数进行统计数量，若桶内数量大于等于隔离森林子采样大小，则筛选出满足条件的所有的桶；将筛选出的桶内的点所对应的索引号排序，并从[V]^n*L中选出索引号中一一对应的每一条记录，从而组成桶所对应的经过降维子采样的新数据集[A]^k*L，kn；

S5：计算数据的维度均值，再计算给定降维分桶后新数据集的维度均值；

S6：比较降维前后数据的维度均值，选出均值差最大的维度作为分割属性，分割属性对应的降维维度均值作为分割点；

S7：隔离森林依据分割属性和分割点来分割数据构建隔离树，并根据树的限制高度来提前结束树的构建过程；

S8：将实时数据点经归一化、降维后，依次放入构建的隔离森林中，计算每个数据点的路径长度和异常得分；

S9：将异常得分与阈值进行比较，判定数据点是否为异常点。

2.根据权利要求1所述的一种映射隔离森林的无线传感器网络异常数据检测方法，其特征在于，所述步骤S1具体包括：假设无线传感器网络节点S＝{S_j:j＝1,2,…m}每隔一个固定时间间隔Δt，各个节点收集一组感知数据并将其发送给基站；节点S_j记录的一组感知数据是一个p维的向量v_j＝(v_j1,v_j2,…v_jp),v_j∈R^p，其中p表示感知数据的类型数；在下一个Δt内，基站将收到n组感知数据V＝{v₁,v₂,…v_n}，其中组数n与节点ID无关；

定义感知数据集V的维度均值为其中其中时间t是检测特征的接收时间；定义时间段[0,T]内收到的检测特征集为训练数据，其表示为矩阵X_T＝{x₁,x₂,..,x_k},k＝T/Δt。

3.根据权利要求2所述的一种映射隔离森林的无线传感器网络异常数据检测方法，其特征在于，所述步骤S5中，计算新数据集的维度均值具体包括：将新数据集[A]^k*L作为改进后的隔离森林算法的输入数据集，若有L个维度，L个维度分别计算均值V_new，将矩阵X_T的列均值μ和V_new分别对应索引后，求出均值差ML_i，找出ML_i最大值对应的属性L_i作为分割属性，V_newi作为分割点。