基于边缘计算智能温室中数据流的无无线传感器快速异常检测

边缘计算赋能的智能温室是物联网技术的代表性应用，可实时监测环境信息并利用这些信息辅助智能决策。在此过程中，无线传感器数据的异常检测起着重要作用。然而，传统专为静态数据异常检测设计的算法未能恰当考虑无线传感器所产生数据流的固有特征，如无限性、相关性和概念漂移，这可能对基于数据流的异常检测构成相当大的挑战，并导致检测准确率和效率低下。首先，数据流通常生成迅速，意味着其无限且庞大，因此任何试图存储整个数据集或多次扫描数据集进行异常检测的传统离线异常检测算法都将耗尽内存空间。其次，不同数据流之间存在相关性，传统算法很少考虑。第三，底层数据生成过程或数据分布可能随时间变化。因此，无模型更新的传统异常检测算法将失效。考虑到这些问题，本文提出一种基于局部敏感哈希和时间窗口技术的新方法（称为 DLSHiForest），在实现准确高效检测的同时解决这些问题。使用真实农业温室数据集进行了综合实验以证明我们方法的可行性。实验结果表明，我们的方案在应对传统异常检测挑战的同时保证了准确率和效率，是切实可行的。