一种基于GM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GM模型的无线传感器网络流量异常检测方法；使用GM(1,1)模型，具有使用历史数据少、模型建立速度快、预测值准确的特点，非常适用于无线传感器网络节点能量、计算能力受限的条件；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；优化了GM(1,1)模型的白化微分方程求解初始条件，使预测值更加准确；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GM模型的无线传感器网络流量异常检测方法，其特征在于，具体包括如下步骤：S1：确定滑动窗口的大小；S2：对滑动窗口内流量数据进行级比检验，若滑动窗口内流量数据未通过级比检验，则给滑动窗口内所有流量数据加上常数c，直至通过级比检验；S3：根据步骤S2得到的流量数据序列、由该流量数据序列得到的一次累加生成序列及由该一次累加生成序列得到的均值生成序列建立GM(1,1)的白化微分方程；S4：以窗口内当前时刻的流量值作为初始条件，求解GM(1,1)的白化微分方程，根据最小二乘法估计GM(1,1)模型中的待定参数；S5：对由步骤S4得到的GM(1,1)模型进行L步预测，并减去由步骤S2记录的c得到L步流量预测值，其中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步流量预测值，与当前预测时刻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。