1.一种新型映射隔离森林的无线传感器网络异常数据检测方法，其特征在于，该方法具体包括以下步骤：S1：采集感知数据，定义训练数据；

S2：数据归一化，将训练数据通过z-score标准化方法进行归一化；

S3：使用随机哈希函数得到降维后的新数据集；

S4：使用主次哈希函数将新数据集映射分桶；

S5：计算数据的维度均值，再计算给定降维分桶后新数据集的维度均值；

S6：比较降维前后数据的维度均值，选出均值差最大的维度作为分割属性，分割属性对应的降维维度均值作为分割点；

S7：隔离森林依据分割属性和分割点来分割数据构建隔离树，并根据树的限制高度来提前结束树的构建过程；

S8：将实时数据点经归一化、降维后，依次放入构建的隔离森林中，计算每个数据点的路径长度和异常得分；

S9：将异常得分与阈值进行比较，判定数据点是否为异常点。

2.根据权利要求1所述的一种新型映射隔离森林的无线传感器网络异常数据检测方法，其特征在于，所述步骤S1具体包括：假设无线传感器网络节点S＝{Sj:j＝1,2,…m}每隔一个固定时间间隔Δt，各个节点收集一组感知数据并将其发送给基站；节点Sj记录的一组感知数据是一个p维的向量vj＝(vj1,vj2,…vjp),vj∈Rp，其中p表示感知数据的类型数；在下一个Δt内，基站将收到n组感知数据V＝{v1,v2,…vn}，其中组数n与节点ID无关；

定义感知数据集V的维度均值为 其中 其中时间t是检测

特征的接收时间；定义时间段[0,T]内收到的检测特征集为训练数据，其表示为矩阵XT＝{x1,x2,..,xk},k＝T/Δt。

3.根据权利要求2所述的一种新型映射隔离森林的无线传感器网络异常数据检测方法，其特征在于，所述步骤S3具体包括：S31：计算归一化后训练数据 对应的随机哈希函数：

其中，α是从满足p-稳定分布函数中随机抽样得到的q维向量，β是一个在 上均匀分布的随机变量；哈希函数hα,β(υ):Rq→Z能把一个q维向量υ映射到整数集上； 为向下取整操作；数据集经过L个随机哈希函数h＝(h1(υ),h2(υ),...hL(υ))降维映射后得到一个L维向量V＝(v1,v2,...vL)；

S32：根据以下主、次哈希函数G1、G2公式计算得到主、次哈希函数的值g1、g2：

4.根据权利要求3所述的一种新型映射隔离森林的无线传感器网络异常数据检测方法，其特征在于，所述步骤S4具体包括：S41：比较主次哈希函数值，若g1＝g2，将对应的数据点分到同一个桶内；

S42：对N个桶内哈希值点数进行统计数量，若桶内数量大于等于隔离森林子采样大小，则筛选出满足条件的所有的桶；将筛选出的桶内的点所对应的索引号排序，并从[V]n*L中选出索引号中一一对应的每一条记录，从而组成桶所对应的经过降维子采样的新数据集[A]k*L，k

5.根据权利要求4所述的一种新型映射隔离森林的无线传感器网络异常数据检测方法，其特征在于，所述步骤S5中，计算新数据集的维度均值具体包括：将新数据集[A]k*L作为改进后的隔离森林算法的输入数据集，若有L个维度，L个维度分别计算均值Vnew，将矩阵XT的列均值μ和Vnew分别对应索引后，求出均值差MLi，找出MLi最大值对应的属性Li作为分割属性，Vnewi作为分割点。

6.根据权利要求5所述的一种新型映射隔离森林的无线传感器网络异常数据检测方法，其特征在于，所述步骤S7具体包括：隔离森林算法根据分割属性和分割值sp来分割数据点，数据点中小于sp的数据分到左子树，将大于等于sp的数据分到右子树，依次将属性中所有点进行分割，得到隔离树，并根据树的限制高度H＝In(i)+0.5772156649来提前结束树的构建过程。

7.根据权利要求6所述的一种新型映射隔离森林的无线传感器网络异常数据检测方法，其特征在于，所述步骤S8具体包括：将实时数据点放入构建的隔离树中，记录数据点在树中的平均路径长度c(n)和异常得分s(x,n)：其中，E(h(x))为样本x在隔离树中的路径长度的期望。

8.根据权利要求7所述的一种新型映射隔离森林的无线传感器网络异常数据检测方法，其特征在于，所述步骤S9具体包括：将异常得分与阈值进行迭代计算比较，若异常得分大于等于阈值，数据点被判断为异常点；若异常得分小于阈值，数据点被判定为正常点。