[发明专利]一种基于ARIMA模型的无线传感器网络流量异常检测方法

摘要

本发明公开一种基于ARIMA模型的无线传感器网络流量异常检测方法，使用ARIMA模型，进行d次差分使序列平稳，适用于流量非均衡、不平稳的无线传感网络条件；使用窗口大小合适的滑动窗口使历史建模数据量固定，既保证了建模的快速性，还保证了历史数据的最新有效性；每一次滑动窗口建立最优的ARIMA(p,d,q)模型，保证了预测值的准确性；对最终用于异常判定的下一时刻流量预测值由前L次的预测值指数加权平均生成，这样对流量的预测引入一定的“惯性”，当异常流量来临时，不能轻易的改变正常的流量预测模型，而能更好的得到正常流量的预测值，更轻易的检测流量异常。

主权项

一种基于ARIMA模型的无线传感器网络流量异常检测方法，其特征在于，包括如下步骤：S1：确定滑动窗口的大小；S2：对由步骤S1所确定的滑动窗口内流量数据进行平稳性判定，若流量数据非平稳则进行d次差分，直至得到平稳流量数据序列；S3：根据已得的平稳流量数据序列，利用AIC定阶法则，确定模型的阶数，即p和q的值，同时根据步骤S2中的差分次数d，建立最优的ARIMA(p,d,q)模型；所述步骤S3具体为：S31：根据由步骤S2得到的平稳流量数据序列，计算ARIMA(p,d,q)模型的阶数p和q的值；S32：根据p和q的值得到对应的AIC值，选取使得AIC值最小的p和q的值作为ARIMA(p,d,q)模型阶数；所述步骤S32中当有两组以上的p和q的值得到相同的AIC最小值时，则以BIC值进行判定，选取使得BIC值最小的p和q的值为ARIMA(p,d,q)模型的阶数；S33：根据步骤S32得到的p和q的值以及步骤S2得到的d值，建立最优ARIMA(p,d,q)模型；S4：使用极大似然估计法确定由步骤S3得到的ARIMA(p,d,q)模型的待定参数；S5：根据步骤S4得到ARIMA(p,d,q)模型进行L步预测，每一个预测值对应一预测时刻，以时刻表存储各预测值；S6：判断当前预测时刻在步骤S5中是否已存储得M个数据，若是则利用步骤S5中累计得到的共计M个当前预测时刻的预测值，进行类指数加权平均生成当前预测时刻的一步流量预测值，然后执行步骤S7；否则执行步骤S8；S7：根据步骤S6所得的当前预测时刻的一步流量预测值，与当前预测时刻出现的真实流量值进行相对误差判定，若超过设定阈值则判定出现流量异常；S8：窗口以设定步长step向前滑动，并转至步骤S1。