无线传感器网络中的全局离群点检测：一种融合时间序列分析、熵与随机森林分类的新方法
网络与互联网体系结构
2021-07-22 v1 信号处理
摘要
无线传感器网络（WSNs）近来因在监测、通信与报告特定物理现象方面的实用性而受到全球更多关注。WSNs 收集的数据常因不可避免的环境因素而不准确，具体视情况可能包括噪声、信号微弱或入侵攻击。发送高噪声数据不仅对数据精度与网络可靠性有负面影响，也影响基站的决策过程。异常检测，或称离群点检测，是在上述语境中检测噪声数据的过程。文献中针对 WSNs 的噪声检测技术相对较少，尤其是应用时间序列分析、考虑有效邻居以确保全局协作检测的离群点检测算法。因此，本文研究旨在设计并实现一种全局离群点检测方法，使我们能寻找并选择合适的邻居，基于时间序列分析与熵技术确保自适应协作检测。所提方法应用随机森林算法以识别最佳结果。为衡量所提方法的有效性与效率，我们模拟了 Intel Berkeley Research 实验室提供的综合真实场景。噪声数据被随机注入所收集数据中。实验所得结果表明，我们的方法能以高达 99% 的准确率检测异常。
引用
@article{arxiv.2107.10135,
title = {Global Outliers Detection in Wireless Sensor Networks: A Novel Approach Integrating Time-Series Analysis, Entropy, and Random Forest-based Classification},
author = {Mahmood Safaei and Maha Driss and Wadii Boulila and Elankovan A Sundararajan and Mitra Safaei},
journal= {arXiv preprint arXiv:2107.10135},
year = {2021}
}