針對物聯網環(huán)境中通過傳感器裝置采集到的數據容易受到外界因素的影響、造成數據傳輸不準確、產生異常數據的問題,開展對物聯網節(jié)點異常檢測方法的研究.通過物聯網節(jié)點異常特征數據采集、節(jié)點異常概率檢測,提出一種基于特征模糊聚類的物聯網節(jié)點異常檢測方法.通過對比試驗證明,該方法與傳統(tǒng)檢測方法相比能夠有效降低檢測結果的漏檢率,完整地對物聯網環(huán)境中的節(jié)點異常進行檢測,并且得到更加理想的效果,維護物聯網中數據的安全傳輸. 

【文章來源】：南京工程學院學報(自然科學版). 2020,18(03)

【文章頁數】：4 頁

【部分圖文】：

物聯網數據節(jié)點分布式結構示意圖

選擇某物聯網數據中包含傳感器節(jié)點數據1 500個,已知其中有500個為異常數據,將其作為對比試驗對象,比較本文提出的基于特征模糊聚類的物聯網節(jié)點異常檢測方法與傳統(tǒng)節(jié)點異常檢測方法在實際應用中的效果.具體的試驗步驟如圖2所示.為了突出本文檢測方法的優(yōu)勢,在進行試驗的過程中,首先利用與異常數據相近的非異常數據進行替代,對試驗對象中的異常數據做隱藏處理,再分別利用本文檢測方法與傳統(tǒng)檢測方法對試驗對象進行檢測,實現兩種檢測方法對物聯網節(jié)點異常情況檢測試驗.

【參考文獻】：
期刊論文
[1]微型近紅外物聯網節(jié)點狀態(tài)的實時檢測與分析研究[J]. 汪春宏,梅杰.  激光雜志. 2020(06)
[2]一種基于區(qū)塊鏈的物聯網行為監(jiān)控和活動管理方案[J]. 郎為民,張漢,趙毅豐,姚晉芳.  信息網絡安全. 2020(02)
[3]Hadoop環(huán)境下分布式物聯網設備狀態(tài)分析處理系統(tǒng)[J]. 張瑞聰,任鵬程,房凱,張衛(wèi)山.  計算機系統(tǒng)應用. 2019(12)
[4]基于云—邊協(xié)同的智能工廠工業(yè)物聯網架構與自治生產管控技術[J]. 丁凱,陳東燊,王巖,朱學凱,張富強,張超.  計算機集成制造系統(tǒng). 2019(12)
[5]基于設備型號分類和BP神經網絡的物聯網流量異常檢測[J]. 楊威超,郭淵博,鐘雅,甄帥輝.  信息網絡安全. 2019(12)
[6]HA2：層次化的物聯網感知設備固件異常分析技術[J]. 馬峻巖,張穎,李易,王瑾,張?zhí)?  計算機工程與應用. 2019(22)
[7]基于正則化與時空約束改進K最近鄰算法的農業(yè)物聯網數據重構[J]. 吳華瑞,李慶學,繆祎晟,宋玉玲.  農業(yè)工程學報. 2019(14)
[8]基于LoRa物聯網技術的實驗室安全監(jiān)測系統(tǒng)的設計與實現[J]. 劉輝席,楊禎,朱珠,劉守印.  實驗技術與管理. 2019(07)
[9]深度遞歸網絡在物聯網系統(tǒng)異常檢測中應用研究[J]. 李慧慧.  現代電子技術. 2019(13)
[10]物聯網中異常通信情形下目標跟蹤算法的設計[J]. 余庚,張潔.  艦船電子工程. 2019(03)



本文編號：3266831