基于背景更新的无线传感器网络入侵检测方法
【技术领域】
[0001] 本发明属于无线通信的技术领域，提出了一种基于背景更新的无线传感器网络入 侵检测方法，适用于无线局域网环境的入侵检测。
【背景技术】
[0002] 近年来，无线环境中入侵检测技术越来越受到人们的关注，它在军事防护、节能减 排、火灾搜救都具有广泛的应用。基于无线传感器网络的入侵检测分为两种:主动入侵检测 和被动入侵检测，主动入侵检测需要检测目标携带无线收发设备主动参与，而被动入侵检 测中检测目标无需携带任何无线收发设备就能实现入侵检测，被动入侵检测改变了主动入 侵检测需要特殊的硬件支持的条件，使检测技术普适性更强，目前在紧急搜救、老人跌倒监 测、资产保护和医疗领域有广泛的应用。2007年首次youssef提出无设备定位(Device-Free L 〇calizati〇n，DFL)的概念并实现了基于DFL系统的入侵检测算法，因为目标无需携带硬件 设备，所以基于DFL系统的入侵检测比其他入侵检测系统更具有普遍性。传统的检测算法就 是基于DFL系统，它认为当目标在无线传感器网络(Wireless Sensor Network，WSN)时，会 让信号强度衰减，当目标引起的信号强度衰减度大于环境噪声等引起的信号变化时就认为 有人入侵网络，此方法计算量小，但是在复杂环境中很容易产生虚警和漏检。Youssef在DFL 系统的基础上提出horus检测算法，这个算法分两个阶段实施，在离线阶段构建无线地图， 把实验区划分成无数个小区，记录每个小区中心点位置和此位置存在目标时信号强度关 系;在线阶段判断目标入侵，根据每个接收到的信号强度访问离线阶段已建立的无线地图 位置，若有对应的位置说明有入侵者。Neal Patwari等人提出了呼吸检测算法，建立了无线 传感器网络中接收信号强度(Received Signal Strength，RSS)与人的呼吸频率的某种关 系，如果网络中目标存在，根据他的呼吸频率跟RSS值关系，系统能够检测出他的存在，甚至 可以判断出目标的行为，所以此方法在老人跌倒监测和医疗领域有很大的发展前景。霍宏 伟等人提出了一种新的老年人跌倒行为的检测方法，此方法基于无线信号的散射、折射和 反射等自然现象，他们提出阶段相关性这一概念，统计传感器网络节点信号在人静止与运 动条件下的相关性，提出老年人跌倒行为检测算法，具有较高的准确率。陈鹏等人使用背景 减除法实现目标跟踪，此方法能够有效地检测目标后进行跟踪，在图像处理领域有广泛的 应用。算法步骤为先建立背景模型，将当前帧与背景图像进行比对，其中区别较大的像素区 域被认为是运动区域，判断为有入侵者，而区别较小的像素区域被认为是背景区域，无入侵 者。视觉背景提取算法(Visual Bankground Extractor，VIBE)是Olivier提出的一种像素 级的背景建模、前景检测算法，背景模型为每个背景像素点存储一个样本集，接着判断新的 像素值属于背景还是前景，若判断为前景说明有入侵者，否则为无入侵者，判断准则是计算 新像素值和样本集中每个样本值的距离，若距离小于阈值，有入侵者，如果近似样本点数目 大于阈值，则无入侵者。孙立奎、王洁等人提出的基于差分特性的入侵检测算法是在DFL#、 统中得以实现，相邻两个时刻的均值和方差变化特征能够有效实现被动入侵检测。
[0003] 专利名称：倾角传感器构成的传感器网络围栏防入侵检测方法，专利【申请号】 200810060040X，年份:2008年，本发明提供了基于传感器网络的一种倾角传感器作为围栏 的入侵检测方法，所使用的倾角传感器固定在围栏之上，当入侵者进入倾角传感器围成的 网络时，围栏网络收集到的信息区别于自然环境中摇摆产生的不规则晃动，造成倾角传感 器输出的信号会发生较大变化，使用一定的算法进行检测目标的入侵行为，并对目标的典 型入侵行为进行分类，能够判断出入侵者的行为。但此传感器网络对节点灵敏度的要求很 高，环境适应度较差，当环境较为恶劣时容易产生虚警，从而导致误检率上升。
[0004] 专利名称:入侵检测方法及系统，专利【申请号】CN201210550074.3，年份:2012年， 本发明公开了一种入侵检测系统及相应的检测方法，通过图划分算法对测试样本实施聚类 分析，然后利用训练样本确定对测试样本聚类分析而得到的聚簇的行为进行分类，从而实 现了对测试样本集合的行为类别确定，由于对测试样本集合的行为类别确定过程并不完全 依赖于训练样本集合所包含的行为类别，因此采用本发明实施提供的方案能够发现新的行 为类别，但是此发明没有进行数据的实时更新，所以环境较为复杂时会跟不上环境的变化， 会产生误判行为类别的情况，从而导致误检率的上升。
[0005] 专利名称:基于无线信号特征的入侵检测方法，专利【申请号】CN201310205305.1， 年份:2013年，本发明提出一种基于无线信号特征的入侵检测算法，它是利用入侵者对无线 链路信号强度的影响，实现环境中是否有物体入侵状态的检测，入侵检测算法以各条无线 链路的信号强度信息为输入信息，利用其均值、方差二维统计特性检测是否有入侵者，该方 法适用于墙体遮蔽、环境黑暗等恶劣环境下的入侵检测，利用入侵物体对无线信号的遮蔽 造成的无线链路信号强度的变化，实现环境中是否有目标入侵进行检测，但是此发明没有 进行数据训练和更新，所以环境适应度差。环境较为复杂时会产生虚警，从而误检率下降。
[0006] 针对以上背景信息，研究一种实时适应环境变化的入侵检测算法具有重要意义。
【发明内容】
[0007] 基于无线传感器网络的入侵检测目前使用的检测算法不能实现实时适应环境的 变化，在背景稍微复杂的环境中检测率会下降，所以本发明提出基于背景更新的入侵检测 算法，简称背景模型更新法。背景模型更新法实现入侵检测的步骤是背景模型建立、背景判 断和背景模型更新，它能够实时更新背景模型以便适应环境的变化，从而提高了复杂环境 中的检测率，有效降低了误检率。
[0008] 本发明的技术方案:一种基于背景更新的无线传感器网络入侵检测方法，以无线 传感器网络为检测平台，采用背景更新法实现入侵检测，步骤如下：
[0009] A、建立背景模型
[0010] 检测平台是由一个无线控制节点和若干个无线扫描节点组成的无线传感器网络； 无线扫描节点之间形成多条无线链路，在无人状态下，无线传感器网络所形成的监测区域 中采集N轮信号强度，然后计算每条链路采集到的信号强度的均值和方差，形成N个相对应 的背景模型；
[0011] B、背景判断
[0012]在无线传感器网络所形成的监测区域中部署若干个位置，目标在上述任意位置采 集信号强度，判断新采集到的信号强度是否符合背景模型，当新采集到的信号强度与原背 景模型中任何一个单模型不匹配时，表明该新位置出现了新的分布形式，该无线传感器网 络所形成的监测区域有入侵者，反之，无入侵者；
[0013] 具体步骤如下：监测区域中目标在任意位置采集一次信号强度，针对每条链路计 算有目标和无目标在监测区域中的差值，其计算公式如下：
[0014] M(m,i) = | I(m,n)-y(m,i) | i = l,2,. . . ,N (1)
[0015] 其中I(m,n)指第m条链路在第η个位置采集的信号强度，y(m,i)为第m条链路第i背 景模型的均值，若
[0016] M(m，i)〈C*〇(m，i) i = l,2,. . . ,Ν (2)
[0017] 其中〇(m，i)为第m条链路第i背景模型的方差，C为信号强度动态变化指数，
[0018] 判断结果J(m，i)为：
[0020]当有入侵者时，将原背景模型中权值最小的单模型去掉，将新的分布形式添加到 原背景模型集合中，形成新的背景模型，新的背景模型的权值为其中最小的权值，将新的背 景模型中的各个单模型的权值均做归一化处理：
[0022] 其中Wl,n是第η个位置处第i个高斯分布的权重;背景模型和前景部分相比，背景模 型权重大，方差小;将背景模型或前景模型的权重和方差相结合，作为背景模型或前景模型 的判别标准;采集到的信号强度被判断为入侵者时，该信号强度即为前景部分。
[0023] 判别模型是否是位置点背景模型，位置点背景模型分为背景部分和前景部分:计 算每个链路模型中高斯模型的^^加^值，并将其从大到小排列；如果前L个高斯模型满足 式(5)，则将L个高斯模型作为背景模型；
[0025] T为判定模型是否可作为背景模型的阈值，T = 0.7;若T的取值很小，可能致使L = 1，这样只有一种单高斯模型;若T的取值很大，可能致使L的值很大，前景当成背景，此时有 入侵者也被误判为无入侵者。
[0026] C、背景模型更新