基于马尔可夫过程的无线传感网络高效异常检测框架
密码学与安全
2025-11-04 v1
摘要
无线传感网络构成现代网络物理系统的骨架，广泛应用于环境监测、医疗监测、工业自动化和智能基础设施等领域。确保通过这些网络收集的数据可靠性至关重要，因为这些数据可能因传感器故障、环境干扰或恶意入侵等原因包含异常值。本文提出一种基于一阶马尔可夫链模型的轻量级且可解释的异常检测框架。该方法将连续传感器读数离散化为有限状态，通过转换概率矩阵建模传感器状态转换的时间动态。当观察到的转换概率低于计算得到的阈值时，即检测到异常，能够在无需标记数据或大量计算的情况下实现实时检测。该框架采用Intel Berkeley Research Lab数据集进行验证，以室内环境监测为案例，展示了其识别热浪、电压相关故障和不规则温度波动的能力。与 Z score、隐藏马尔可夫模型和自编码器等方法的比较分析表明，所提出的马尔可夫基方法在准确率、F1 分数(0.86)、可解释性和计算效率之间实现了均衡的权衡。该系统的可扩展性和低资源占用凸显了其在大规模和实时无线传感网络部署中的异常检测适用性。
引用
@article{arxiv.2511.00481,
title = {An Efficient Anomaly Detection Framework for Wireless Sensor Networks Using Markov Process},
author = {Rahul Mishra and Sudhanshu Kumar Jha and Omar Faruq Osama and Bishnu Bhusal and Sneha Sudhakaran and Naresh Kshetri},
journal= {arXiv preprint arXiv:2511.00481},
year = {2025}
}
备注
21 pages, 5 figures