基于异常任务运行记录的WSN故障检测

计算机工程 2012, 38(01) 93-95 DOI: 10.3969/j.issn.1000-3428.2012.01.026 ISSN: 1000-3428 CN: 31-1289/TP

本期目录 | 下期目录 | 过刊浏览 | 高级检索 [打印本页] [关闭]

网络与通信

	扩展功能

	本文信息
	Supporting info
	PDF(313KB)
	[HTML] 下载
	参考文献[PDF]
	参考文献
	服务与反馈
	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	引用本文
	Email Alert
	文章反馈
	浏览反馈信息
	本文关键词相关文章
	故障检测
	卡方检验
	异常检测
	并发计算模型

	本文作者相关文章
	马峻岩
	周兴社
	李士宁
	李志刚

	PubMed
	Article by Ma, J. Y.
	Article by Zhou, X. S.
	Article by Li, S. N.
	Article by Li, Z. G.

基于异常任务运行记录的WSN故障检测

马峻岩，周兴社，李士宁，李志刚

(西北工业大学计算机学院，西安 710072)

摘要：针对传感器网络在资源受限部署后难以实施故障检测的问题，提出基于异常任务运行记录的故障检测方法。通过分析节点程序运行特征，建立节点行为状态模型，结合系统部署前的测试执行记录和卡方检验技术进行故障检测。实验结果表明，该方法与已有方法相比，能有效检测未知类型故障，且通信、存储和计算开销均较小。

关键词：故障检测卡方检验异常检测并发计算模型

Fault Detection for WSN Based on Anomaly Task Operational Log

MA Jun-yan, ZHOU Xing-she, LI Shi-ning, LI Zhi-gang

(School of Computer, Northwestern Polytechnical University, Xi’an 710072, China)

Abstract: Fault detection of deployed sensor network is difficult due to constrained resources. A fault detection method based on anomaly task operational log is proposed. Behavior-state model of sensor nodes is devised through analyzing execution characteristics of the node program. The model combining with pre-deployment test records and chi-square test is used for fault detection during post-deployment. Experimental results show that the method can effectively detect the unknown type of fault. The communication storage and computing cost are small.

Keywords: fault detection chi-square test anomaly detection concurrency computation model

收稿日期 2011-06-30 修回日期 网络版发布日期 2012-01-05

DOI: 10.3969/j.issn.1000-3428.2012.01.026

基金项目:

国家科技支撑计划基金资助项目(2007BAD79B02)；国家“863”计划基金资助项目(2009AA11Z203)

通讯作者:

作者简介: 马峻岩(1982－)，男，博士研究生，主研方向：无线传感器网络；周兴社、李士宁，教授；李志刚，副教授

通讯作者E-mail: majy@mail.nwpu.edu.cn

参考文献：

[1]	高建良, 徐勇军, 李晓维. 基于加权中值的分布式传感器网络故障检测[J].软件学报.2007, 18(5):1208-1217
[2]	季赛, 袁慎芳, 李含光. WSN中故障诊断性能与平均节点度研究[J].计算机工程.2010, 36(7):14-16 浏览
[4]	Liu Yunhao, Liu Kebin, Li Mo. Passive Diagnosis for Wireless Sensor Networks[J].IEEE/ACM Transactions on Networking.2010, 18(4):1132-1144
[5]	Hill J, Szewczyk R, Woo A, et al. System Architecture Directions for Networked Sensors[EB/OL]. (2010-11-21). http://dl.acm.org/ citation.cfm?id=356998.
[6]	Eriksson J, Osterlind F, Finne N, et al. COOJA/MSPSIM: Interoperability Testing for Wireless Sensor Networks[EB/OL]. (2010-11-28). http://dl.acm.org/citation.cfm?id=1537650.

本刊中的类似文章

1．李强, 严承华, 朱瑶.基于决策树的网络流量异常分析与检测[J]. 计算机工程, 2012,38(5): 92-95

2．俞金松, 高建华.基于捕获/重现技术的微分单元测试研究[J]. 计算机工程, 2012,38(3): 54-56,66

3．徐敏.基于人工示例训练的神经网络集成入侵检测[J]. 计算机工程, 2012,38(06): 198-200

4．李刚, 丁佳, 梁盟磊, 薛小平, 王小平.安全编码预编译器的设计与实现[J]. 计算机工程, 2011,37(3): 230-232,235

5．田玉玲, 袁兴芳, 张志惠.基于免疫原理的网络故障多层检测模型[J]. 计算机工程, 2011,37(24): 263-265

6．张战成, 王士同.一种方差保持的异常检测分类机[J]. 计算机工程, 2011,37(23): 24-26

7．张俊生, 邵培南, 胡少君.分布式应用的系统协同测试方案[J]. 计算机工程, 2011,37(20): 21-23

8．佟晓筠, 王翥, 赵章泉.未知蠕虫自动检测技术研究[J]. 计算机工程, 2011,37(20): 139-141

9．闫少华, 张巍, 滕少华.基于密度的离群点挖掘在入侵检测中的应用[J]. 计算机工程, 2011,37(18): 240-242

10．张思懿, 王士同.核化空间深度包围核的模糊决策异常检测算法[J]. 计算机工程, 2011,37(14): 18-20,26

文章评论