推荐星级：

物联网虚假数据特征自适应检测方法仿真

更新时间：2019-12-11 07:50:12 大小：2M 上传用户：xiaohei1810 查看TA发布的资源 标签：物联网数据特征 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

由于物联网环境的本质为互联互通,具有普适性,使得物联网虚假数据具有隐蔽性,采用当前方法进行物联网虚假数据特征检测时,难以准确辨别虚假数据特征,存在物联网虚假数据特征自适应检测误差大的问题.为此,提出一种基于监督保局投影的物联网虚假数据特征自适应检测方法.上述方法先通过监督保局投影将物联网数据原始特征转换至监督保局子空间上,在监督保局子空间内运用虚假近邻点理论对映射转换后数据矩阵进行特征约简,获得物联网数据原始特征空间的特征子集,在此基础上结合支持向量机理论对物联网数据特征信息量进行聚类和真伪信息筛选,以物联网数据真实程度阈值、虚假数据特征信息量中虚假信息的存在概率及近似度阈值作为判决规则进行物联网虚假数据特征信息识别,并以近邻区和增量学习为尺度对整个物联网虚假数据特征样本空间进行降维和尺度自适应检测.实验结果表明,所提方法能够有效提升物联网虚假数据特征自适应检测精度,且检测效率较高.

部分文件列表

文件名	大小
物联网虚假数据特征自适应检测方法仿真.pdf	2M

立即下载

【关注视频号领20积分】【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）

2017年04月

第34卷第4期

计算机仿真

文章编号：1006—9348(2017)04一0276一04

物联网虚假数据特征自适应检测方法仿真

杨呈永

(桂林理工大学现代教育技术中心，广西桂林541004)

摘要：由于物联网环境的本质为互联互通，具有普适性，使得物联网虚假数据具有隐蔽性，采用当前方法进行物联网虚假数

据特征检测时，难以准确辨别虚假数据特征，存在物联网虚假数据特征自适应检测误差大的问题。为此，提出一种基于监督

保局投影的物联网虚假数据特征自适应检测方法。上述方法先通过监督保局投影将物联网数据原始特征转换至监督保局

子空间上，在监督保局子空间内运用虚假近邻点理论对映射转换后数据矩阵进行特征约简，获得物联网数据原始特征空间

的特征子集，在此基础上结合支持向量机理论对物联网数据特征信息量进行聚类和真伪信息筛选，以物联网数据真实程度

阈值、虚假数据特征信息量中虚假信息的存在概率及近似度阈值作为判决规则进行物联网虚假数据特征信息识别，并以近

邻区和增量学习为尺度对整个物联网虚假数据特征样本空间进行降维和尺度自适应检测。实验结果表明，所提方法能够有

效提升物联网虚假数据特征自适应检测精度，且检测效率较高。

关键词：物联网；虚假数据特征；自适应检测方法

中图分类号：TP391

文献标识码：B

Simulation of False Data Feature

Detection

Internet of

Tllings

AdaptiVe

YANG _Cheng—yong

of Modem Education锄d

Techn0109y，Guilin

(Center

Technology，Guilin University

541004，China)

Guall铲i

detection method of f越se data feature in intemet

ABSTRACT：This research f如uses

b鹊ed on

self—adaption

things

author converted

the

character of date of inter—

supen，ised locality preseⅣing projection(SLPP)．The

pdmitive

net 0f

things

hood to

into

then used

fdse

subspace

supen，ised locality preserving through

SU)P，and

theory

neighbo卜

primitive

out feature reduction for data matrix after

tIansfo珊ation to obtain feature subset 0f

cany

mapping

character

that

with

vector

feature infomation of data

machine(SVM)，啪ount ^of

space．On

b幽is，integmted

support

w硒clustered and tme蛐d f甜se inf0瑚ation w髂screened． In the

threshold value of

of data

meantilne，the

degree

of f甜se inf0珊ation in feature iIlfbrnlation

tmtll，e菇sting pmbability

thresh01d of

amount，and

degree“approximation

were used

11lle

fe咖re info瑚ation of fdse data．

author used

neighbor

area and

judging

recognize

Finally，the

incrememal

as scale to

reduction and

detection for all

le锄ing

can了out dimension“ty

self—adaption

s锄ple space

that

the method can

f甜se data feature．

锄d its detection

results show

impmve ^theprecision

detection，

self—adaption

Experimental

emciency

higher．

data

detection method

KEYWoRDS：Intemet

things；False

chaI丑cteristics；Ad印tive

海量、异构以及语义不确定性等导致现阶段网络用户难以快

速准确获取所需有意义的数据，其面临的网络安全威胁也日

益严重，其中向物联网中注入大量的虚假数据等安全问题严

重影响感知数据的准确性，破坏了物联网网络的正常运

行p1。在这种情况下，如何高效检测物联网虚假数据，并排

除相同特征属性的物联网虚假数据问题成为现阶段该领域

相关专家学者所高度关注的焦点课题M‘5J。

引言

物联网作为继互联网和移动通信之后的新一代网络技

术，受到各行各业广泛推崇，并逐渐被应用于智能交通以及

物流运输等众多领域‘卜2|。但由于物联网数据信息感知的

基金项目：2014年广西高等学校科研项目立项(YB2014149)

收稿日期：2016—11—28

现阶段应用性较强的物联网虚假数据特征自适应检测

—276一

万方数据

方法有：文献[6]提出一种基于最小二乘的物联网虚假数据

特征自适应检测方法。该方法先结合偏最小二乘理论对物

联网虚假数据提取主元，得到物联网络携带监督信息的独立

主元空间，计算出各个数据特征选取前后在该空间的相关

性，组建物联网虚假数据最邻近点的特征近似性测度，获得

原始数据特征对类别变量解释能力强弱进行排序，组建物联

网数据特征分类模型，由此完成对物联网虚假数据特征自适

应检测，该方法虚假数据特征检测效果较好，但存在检测过

程开销大的问题。文献[7]提出一种基于平均互信息理论的

物联网虚假数据特征自适应检测方法，该方法先结合平均互

信息理论和虚假最近邻点获取物联网虚假数据相空间重构

的关键参数，利用递归图混沌分析理论完成对物联网虚假数

据特征自适应检测，该方法能够有效检测出各类物联网虚假

数据，但存在计算过程较为繁琐，耗时长的问题。文献[8]提

出一种基于自适应多尺度频熵的物联网虚假数据特征自适

应检测方法。该方法先对采集的物联网数据进行趋势项消

除，再利用自适应分解理论对物联网数据进行多尺度分解，

获得若干物联网数据特征分量，用筛选出的特征分量进行多

尺度划分，计算出相应尺度划分域的分形维数，以此为依据

自适应地确定各类别物联网虚假数据划分尺度，计算时频平

面的自适应多尺度时频熵，通过时频熵的变化情况对物联网

虚假数据特征进行自适应检测。该方法可扩展性较强，但存

在误检率较高的问题H。1 。

偏差集为正 6。，其中，l t I=￡，依据式(2)可知，若第6i个

时间序列的分段含有偏差点的数量为￡，则其均方差利用式

(3)进行计算

(3)

一(扎以，￡)= (鼍一口‰ ))2

，l气，句^

式中，n；m)代表均值，则有

业

(4)

n‰ )=

鼍～。一^+一，)

』2JlJ^5

若时间序列的序列分段数为，，则对应的总误差为E(i，

J)，且E(i√)的偏差点数为％。

依据上述过程可以组建物联网虚假数据特征的偏差函

数，依据确定的虚假数据特征点集的过程即为对偏差函数E

(i，，)进行最小值求解的过程，结合相关原理对偏差函数E

(i√)进行求解，从而完成对物联网虚假数据特征自适应

检测。

3物联网虚假数据特征自适应检测方法

3．1基于监督保局投影的物联网虚假数据特征选择

在进行物联网虚假数据特征自适应检测过程中，先通过

监督保局投影将物联网数据原始特征转换至监督保局子空

间上，在监督保局子空间内运用虚假近邻点理论对映射转换

后数据矩阵进行特征约简，由此完成物联网数据原始特征空

间的特征选择，具体过程如下所述：

给定分布为一个嵌入在物联网网络环境下高维空间秽

中流形肘上的数据点集x=[菇。，石：，，z。】，利用监督保局

投影寻找式(5)给出的目标函数最小的低维嵌套

针对上述问题。提出一种基于监督保局投影的物联网虚

假数据特征自适应检测方法。实验结果表明，所提方法能够

有效提升物联网虚假数据特征自适应检测精度，且检测效率

较高。

(5)

min (y。一”)sF(y；一乃)7

2物联网虚假数据特征自适应检测原理

其中：yi=∥戈；，s=[sd】：川代表n× n稀疏、对称矩阵，用来

刻画物联网数据样本集中样本点之间的局部几何关系，利用

％近邻理论进行确定

在对物联网虚假数据特征自适应检测过程中，先结合相

关理论组建物联网虚假数据的偏差函数，通过对偏差函数进

行最小值求解，进行数据特征点判断，从而实现物联网虚假

数据特征自适应检测，具体过程如下所述：

s一』ex 石z一种／2，)，菇t 姗(巧)化胤(‰ )

。

L0，其他

(6)

其中，t代表经验参数，M慨(· )代表＆近邻。对式(5)进行

代数运算，运算结果用式(7)进行表示

假设，已知物联网虚假数据时间序列x中的两个时间值

止

％和％，且满足％并，将(％孙)合并成口i= 鼍，由此生

2J‘

成物联网虚假数据时间序列中的分段6。，且6i=(％，咒m，

Ⅱ。)，其中，哦代表描述6。的估计值其一，利用式(1)计算出n。

(yi一”)s#(yi一乃)7

和6i的均方差

=2 如D。菇■一2 如s口咖

辟

(1)

F(6；)= ( 一Ⅱ；)2

=2Arx(D—s)xrA=2ATxLXrA

(7)

，2，l

式中，D代表对角阵，其对角元素代表权值矩阵s中对应行

的和，L=D—s代表拉普拉斯矩阵，为保证式(5)的解是唯一

解，引入约束条件A7艘掰■=I，将公式问题(7)转变为求解

以下物联网虚假数据最大特征值问题

假设对物联网虚假数据时间序列x的分段数为口，％

代表时间序列分段的集合，则利用式(2)给出整个物联网虚

假数据时间序列的误差集合

(2)

E。(％)= F(bi)

XSXlA=XXD)(1A

(8、

假设，6，代表物联网虚假数据时间序列中第i个分段，

物联网虚假数据监督保局投影的最佳投影矩阵A可依

一277—

万方数据

据式(8)的前d个物联网虚假数据最大特征值相应的特征向

量构成。

据信息的剩余数据信息量作为虚假数据信息量进行虚假数

据特征自适应检测。

假设，{P

上述过程说明，监督保局投影的目标是保持物联网虚假

数据的局部关系，至此，在m维物联网虚假数据相空间中相

点筇(i)={石(i)，z(i+t)，，舅(i+(m—1)￡)}存在一个最近

邻点∞““(i)，利用式(9)计算出两点之间的距离

P，，P：，，P。}代表已知的经过训练和分类的

物联网虚假数据信息量模板向量，对于数据特征并，可通过计

算其信息量获取虚假数据信息的概率，则对于任意的物联网

数据信息量菇i，其与虚假数据信息的近似度利用式(15)进行

计算

(9)

R。(i)=怯(i)一戈ⅣⅣ(i)|I

当物联网虚假数据相空间维数从m转换为m+1时，则

数据相点之间的距离R。+，(i)与尺。(i)之间存在以下关系

懈*p(c：l石)忙峨||

s溉(石f，只)=—三兰兰======—_===

尺：+。(i)=R：(i)+ll石(i+m￡)一石删(i+mt)112(10)

分析式(10)可知，如果物联网网络系统混沌运动轨迹无

扭曲变化，R。+，(i)与尺。(i)之间相差不大，则可将其视为因

嵌入维数m过低导致的物联网虚假数据近邻点，通常满足

√善忪?8p(cz I茹)If。√荟。己||

式中，样代表物联网虚假数据伪装损失函数，p(c。l Ki)代表

物联网真实数据信息量，p(c：I，ci)代表物联网虚假数据信息

量。假设，西代表物联网虚假数据信息判定的阈值，则有：

(Rm+，(i)一Rm(i))／尺m(i)>R，

(11)

满足式(11)时，认定戈 (i)为戈(i)的虚假近邻点，R，代

表阈值，对于噪声的物联网虚假数据，可视为当满足R。+，

‘

(16)

』8im(菇；，弓) 咖，虚假数据

Lsim(咒；，尸f)<咖，其他数据

(i)／凡(i) 2时，搿 (i)为尤(i)的虚假数据特征近邻点，

其中

且对于物联网虚假数据信息而言，其中虚假数据信息的占有

比为

(12)

心=专 [石(i)一弘互=专并(i)

3．2物联网虚假数据特征自适应检测

占=c。rd((菇)i)tp(cz

(17)

l并)／ max((z)i)

在进行物联网虚假数据特征自适应检测时，计算物联网

数据信息量的真伪信息函数，根据虚假数据特征中虚假信息

量发生的概率，计算虚假数据特征中虚假信息的占有比重，

并根据物联网虚假数据特征模板向量进行虚假数据信息近

似度计算，通过阈值比较进行虚假数据特征自适应检测。

在进行物联网虚假数据特征自适应检测过程中，以3．1

节获取的物联网虚假数据特征提取结果为依据，结合支持向

量机理论对物联网数据特征信息量进行聚类和真伪信息筛

选，以物联网数据真实程度阈值和虚假数据特征信息量中虚

假信息的存在概率及近似度阈值作为判决规则进行物联网

虚假数据特征信息识别，并以近邻区和增量学习为尺度对整

个物联网虚假数据特征样本空间进行降维和尺度自适应检

测。具体过程如下所述：

4仿真证明

为了证明本文提出的基于监督保局投影的物联网虚假

数据特征自适应检测方法的有效性，需要进行一次仿真。在

假设，物联网数据序列由某一数据集D的信息量构成，

将其训练分解为物联网数据特征向量{戈l戈。，z：，，戈。}和决

madab

7．O环境下搭建物联网虚假数据特征自适应检测仿真

平台。实验数据来源于物联网网络数据集包含的500万条

数据记录。

策向量{c

c。，c：，，c。}，并设定物联网数据特征向量的各个

分量之间相对独立，则根据信息量可分为真实物联网信息和

物联网虚假信息两类(c，，c：)，在进行物联网新数据集检测

时，利用式(13)计算该数据集x属于物联网真实数据信息和

虚假信息的概率

分别采用监督保局投影方法和朴素贝叶斯方法进行物

联网虚假数据特征自适应检测实验。将2种方法进行物联

网虚假数据特征分类精确度(％)对比，对比结果用图1进行

描述。

分析图1可知，利用监督保局投影方法进行物联网虚假

数据特征分类的精确度要高于朴素贝叶斯方法，这主要是因

为监督保局投影方法先运用虚假近邻点理论对映射转换后

数据矩阵进行特征约筒，获得物联网数据原始特征空间的特

征子集，在此基础上以物联网数据真实程度阈值和虚假数据

特征信息量中虚假信息的存在概率及近似度阈值作为判决

规则进行物联网虚假数据特征信息识别，并以近邻区和增量

学习为尺度对整个物联网虚假数据特征样本空间进行降维

和尺度自适应检测，使得监督保局投影方法进行物联网虚假

数据特征分类精度较高。

毗 =警=冉掣，

以式(13)计算的概率为依据，对于物联网新数据信息量而

言，利用式(14)定义物联网虚假数据的存在概率A(七)

rA(七)=cord((f)：。)+p(c。1 f) 日，真实数据特征

【A(^)=cord((￡)：)。p(c：l￡) 盯，虚假数据特征

(14)

式中，介于阈值之间的物联网数据安全度为未知，当满足p=

∥时，物联网数据信息量被准确划分为真伪数据信息簇，在

进行物联网虚假数据特征自适应检测过程中，将除去真实数

一278一

万方数据

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

物联网虚假数据特征自适应检测方法仿真

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页