[論文レビュー] Semantic-based Detection of Segment Outliers and Unusual Events for Wireless Sensor Networks

Lianli Gao, Michael Bruenig+1 more|arXiv (Cornell University)|Nov 9, 2014

Anomaly Detection Techniques and Applications参考文献 18被引用数 7

ひとこと要約

本論文では、動的時間ワープ（DTW）とオントロジー駆動型意味的推論を組み合わせることで、無線センサーネットワークのデータからセグメント外れ値および異常事象を特定する意味的注意をもつSOUE-Detectorを提示する。この手法は、スプリングブルック国立公園の環境センサーストリームにおいて、誤りのある異常と本物の意味のある異常の両方を高い正確性と再現率で検出でき、Webポータルを通じて効率的な検索と可視化を可能にする。

ABSTRACT

Environmental scientists have increasingly been deploying wireless sensor networks to capture valuable data that measures and records precise information about our environment. One of the major challenges associated with wireless sensor networks is the quality of the data and more specifically the detection of segment outliers and unusual events. Most previous research has focused on detecting outliers that are errors that are caused by unreliable sensors and sensor nodes. However, there is an urgent need for the development of new tools capable of identifying, tagging and visualizing erroneous segment outliers and unusual events from sensor data streams. In this paper, we present a SOUE Detector (Segment Outlier and Unusual Event-Detector) system for wireless sensor networks that combines statistical analyses using Dynamic Time Warping (DTW) with domain expert knowledge (captured via an ontology and semantic inferencing rules). The resulting Web portal enables scientist to efficiently search across a collection of wireless sensor data streams and identify, retrieve and display segment outliers (both erroneous and genuine) within the data streams. In this paper, we firstly describe the detection algorithms, the implementation details and the functionality of the SOUE Detector system. Secondly we evaluate our approach using data that comprises sensor observations collected from a sensor network deployed in the Springbrook National Park in Queensland, Australia. The experimental results show that the SOUE-Detector can efficiently detect segment outliers and unusual events with high levels of precision and recall.

研究の動機と目的

• 無線センサーネットワークのデータストリームにおけるセグメント外れ値および異常事象の検出という課題に対処すること。
• 誤ったセンサーリーディングと意味のある本物の異常を区別することで、データ品質を向上させること。
• ドメインエキスパートの知識をオントロジーと意味的推論によって統合し、より正確な異常検出を実現すること。
• 環境科学者が検出された異常を探索・分析できる検索可能で可視化可能なWebポータルを開発すること。
• スプリングブルック国立公園の実際のセンサーデータを用いて、システムの性能を評価すること。

提案手法

• SOUE-Detectorは、時間的セグメント間の類似性を比較するために動的時間ワープ（DTW）を用い、通常のパターンからの逸脱に基づいて外れ値を同定する。
• ドメイン固有のオントロジーを用いて、環境状態や期待される行動に関するエキスパート知識をエンコードする意味的推論を実施する。
• オントロジー上に定義された推論ルールを用いて、文脈的な意味的特徴に基づき、検出されたセグメントを外れ値または異常事象に分類する。
• システムはストリーミングセンサーデータをリアルタイムで処理し、基準パターンから著しく逸脱するセグメントをフラグ付けする。
• 科学者が複数のデータストリームにわたって検索・取得・可視化できるように、Webポータルを実装する。
• 統計的分析（DTW）と意味的文脈を組み合わせることで、誤検出を低減し、検出精度を向上させるフレームワークを構築する。

実験結果

リサーチクエスチョン

• RQ1 無線センサーネットワークのデータストリームにおけるセグメント外れ値および異常事象は、どのように効果的に検出できるか？
• RQ2 意味的推論は、単なる統計的手法に比べて、外れ値検出の正確性をどの程度向上させられるか？
• RQ3 DTWとオントロジー基盤の推論を組み合わせたハイブリッドアプローチは、異常検出における正確性と再現率を向上させられるか？
• RQ4 SOUE-Detectorは、誤ったセンサーリーディングと本物の環境異常の両方を効果的に特定できるか？
• RQ5 本システムは、環境科学者が検出された異常を効率的に検索・可視化できるか？

主な発見

• SOUE-Detectorは、実際のセンサーデータにおいて、セグメント外れ値および異常事象を高い正確性と再現率で検出できた。
• 意味的推論の統合により、誤ったリーディングと意味のある異常を区別する能力が著しく向上した。
• システムは、スプリングブルック国立公園のセンサーネットワークにおいて、データ品質の問題とレアな環境イベントの両方を効果的に同定した。
• Webポータルにより、科学者が複数のデータストリームにわたって検出された異常を効率的に検索・可視化できるようになった。
• 実世界のデータを用いた実験的評価により、複雑な環境監視シナリオにおける本システムの有効性とスケーラビリティが実証された。
• DTWと意味的推論を組み合わせたアプローチは、純粋な統計的手法に比べて誤検出を顕著に低減した。