روشی برای تشخیص ناهنجاری در شبکه های حسگر بی سیم مبتنی بر ابزار محاسبات نرم

ناهنجاری عامل بسیار مهم و تاثیر گذار بر روی صحت دیتا در شبکه های حسگر بی سیم است.با توجه به نظارت نشده بودن این شبکه ها این مقاله به مشکل تشخیص ناهنجاری می پردازد. یکی از چالش های اساسی برای تشخیص ناهنجاری حجم زیاد داده هاو نداشتن اطلاع از زمان وقوع و نوع ناهنجاری است. ازآنجا که تمامی این داده ها در تشخیص ناهنجاری مؤثر نمی باشند خوشه بندی داده ها می تواند کمک شایانی در دقت تشخیص ناهنجاری داشته باشد. هدف اصلی این مقاله ارائه الگوریتمی است که بتواند با تحلیل داده های دریافتی از شبکه و انتخاب چند ویژگی مناسب، داده های نرمال را از ناهنجاری تشخیص داده و جداکند. ازاین رو درالگوریتم پیشنهادی برای خوشه بندی داده ها ازالگوریتم مبتنی بر چگالی DBSCAN و برای طبقه بندی و تشخیص از طبقه بند SVM استفاده میشود. نتایج آزمایشی حاصل از شبیه سازی بر روی یک مجموعه داده جمع آوری شده از سنسورهای مستقردرآزمایشگاه پژوهشی اینتل برکلی Intel lab data) را نشان می دهد که الگوریتم پیشنهادی دقت تشخیص ۹۵.۱٪ را بر روی این دیتا نشان می دهد

Keywords:

تشخیص ناهنجاری. , Intel lab data , SVM , DBSCAN. شبکه حسگر بیسیم