[논문 리뷰] Semantic-based Detection of Segment Outliers and Unusual Events for Wireless Sensor Networks

Lianli Gao, Michael Bruenig외 1명|arXiv (Cornell University)|2014. 11. 09.

Anomaly Detection Techniques and Applications참고 문헌 18인용 수 7

한 줄 요약

이 논문은 동적 시간 왜곡(DTW)과 온톨로지 기반 의미 추론을 결합하여 무선 센서 네트워크 데이터에서 세그먼트 이상치와 이례적 사건을 식별하는 의미 인식 시스템인 SOUE-Detector를 제시한다. 이 방법은 스프링브룩 국립공원의 환경 센서 스트림에서 오류 발생 및 진정한 이상 현상 모두를 높은 정밀도와 재현율로 탐지하여 웹 포털을 통한 효율적 검색과 시각화를 가능하게 한다.

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.

연구 동기 및 목표

• 무선 센서 네트워크 데이터 스트림에서 세그먼트 이상치와 이례적 사건을 탐지하는 데 도전하는 데 목적을 두다.
• 오류 발생 센서 읽기와 의미 있는 진정한 이상 현상 간의 구분을 통해 데이터 품질을 향상시키는 데 목적을 두다.
• 도메인 전문 지식을 온톨로지와 의미 추론을 통해 통합하여 더 정확한 이상 탐지 성능을 확보하는 데 목적을 두다.
• 환경 과학자들이 탐지된 이상 현상을 탐색하고 분석할 수 있도록 검색 가능하고 시각화 가능한 웹 포털을 개발하는 데 목적을 두다.
• 스프링브룩 국립공원에서의 실제 센서 데이터를 사용하여 시스템 성능을 평가하는 데 목적을 두다.

제안 방법

• SOUE-Detector는 시간적 세그먼트 간의 유사성을 비교하기 위해 동적 시간 왜곡(DTW)을 사용하여 정상 패턴에서의 이탈 여부에 따라 이상치를 식별한다.
• 환경 조건과 기대 행동에 대한 전문 지식을 코딩하기 위해 도메인 특화 온톨로지를 사용하여 의미 추론을 적용한다.
• 의미적 맥락 기반으로 검출된 세그먼트를 이상치 또는 이례적 사건으로 분류하기 위해 온톨로지 위에 추론 규칙을 정의한다.
• 시스템은 실시간으로 스트리밍 센서 데이터를 처리하여 기준 패턴에서 크게 이탈하는 세그먼트를 경고한다.
• 과학자들이 여러 데이터 스트림을 통해 탐지된 이상치와 이례적 사건을 검색하고 검색 및 시각화할 수 있도록 웹 포털을 구현한다.
• 통계 분석(DTW)과 의미적 맥락을 결합하여 가짜 경고를 줄이고 탐지 정확도를 향상시킨다.

실험 결과

연구 질문

• RQ1 무선 센서 네트워크 데이터 스트림에서 세그먼트 이상치와 이례적 사건을 효과적으로 탐지할 수 있는 방법은 무엇인가?
• RQ2 의미 추론이 순수한 통계 방법에 비해 이상 탐지 정확도를 얼마나 향상시킬 수 있는가?
• RQ3 DTW와 온톨로지 기반 추론을 조합한 하이브리드 접근 방식이 이상 탐지의 정밀도와 재현율을 향상시키는 데 효과적인가?
• RQ4 SOUE-Detector는 오류 발생 센서 읽기와 진정한 환경 이상 현상 모두를 얼마나 효과적으로 식별할 수 있는가?
• RQ5 시스템은 환경 과학자가 탐지된 이상 현상을 효율적으로 검색하고 시각화할 수 있도록 지원할 수 있는가?

주요 결과

• SOUE-Detector는 실제 센서 데이터에서 세그먼트 이상치와 이례적 사건을 높은 정밀도와 재현율로 탐지하였다.
• 의미 추론의 통합은 시스템이 오류 발생 읽기와 의미 있는 이상 현상 간의 구분 능력을 크게 향상시켰다.
• 시스템은 스프링브룩 국립공원 센서 네트워크에서 데이터 품질 문제와 희귀 환경 사건을 성공적으로 식별하였다.
• 웹 포털을 통해 과학자들은 여러 데이터 스트림에 걸쳐 탐지된 이상 현상을 효율적으로 검색하고 시각화할 수 있었다.
• 실제 데이터를 활용한 실험 평가를 통해 시스템의 효과성과 복잡한 환경 모니터링 시나리오에서의 확장성을 입증하였다.
• DTW와 의미 추론의 조합은 순수한 통계적 접근 방식에 비해 가짜 경고를 줄이는 데 뛰어난 성능을 보였다.