1.一种基于贝塞尔曲线更新的节点行为监测时长自适应调整方法，其特征在于，包括：S1：获取传感网中各个节点的数据传输行为特征，根据各个节点的数据传输行为特征构建标准事件模板B‑Spline曲线；所述标准事件模板B‑Spline曲线包括标准传输事件模板B‑Spline曲线和标准恶意传输事件模板B‑Spline曲线；

S11：将传感网络中的任意节点与该节点的邻近节点交互，并对交互的节点进行合作标记处理；标记节点主动向被标记节点发起数据传输请求，学习被标记点的数据传输行为；

S12：将数据传输行为的平均时延和数据丢包率分别转化为对应的模糊集合；

S13：根据模糊规则库将对应的模糊集合转换为二维特征输出数据模糊集；

S14：采用TSK系统对二维特征输出数据模糊集进行降维处理，得到一维特征输出模糊集；

S15：根据一维特征输出模糊集构建一维特征曲线；

S16：提取一维特征曲线的特征点，根据特征点构建标准事件模板B‑Spline曲线；

S2：实时监听各个传感器节点传输数据的行为特征，根据行为特征构建节点传输事件模板B‑Spline曲线；

S21：通过行为动态监测系统实时获取各个节点传输的行为数据；所述行为数据包括数据包的平均时延和丢包率；

S22：对节点传输的行为数据进行互补中心化处理，得到奇异的Hermite矩阵H；构建奇异的Hermite矩阵H：

其中，Cxx表示样本集X内的协方差，Cxy表示X和Y集合间的协方差，Cyy表示样本集Y内的协方差；

S23：对矩阵H进行SVD分解，得到节点平均时延典型基u和节点丢包率典型基v；通过对矩阵H的SVD分解求出基本样本集X，Y的典型基u、v，u为节点平均时延典型基，v为节点丢包率典型基

u、v的具体求解如下：

其中，H表示Hermie矩阵，γ表示奇异值；

S24：根据节点平均时延典型基u和节点丢包率典型基v求出样本集的投影向量矩阵ωx、ωy；

S25：将样本集的投影向量矩阵与样本集的样本数据相乘得到典型变量 和计算样本集的投影向量矩阵的公式为：S26：将典型变量 和 进行加权融合，得到单一特征的节点行为数据；

S27：根据单一特征的节点行为数据构建节点传输事件模板B‑Spline曲线；S3：对实时监听的行为特征进行动态漂移检测，根据漂移检测结果对标准事件模板B‑Spline曲线进行补偿更新；采用更新后的标准事件模板B‑Spline曲线和节点传输事件模板B‑Spline曲线对节点进行恶意检测，确定恶意等级；

S31：对实时监听的行为特征进行标记，得到标记数据集D；即对行为动态监测系统获得的平均时延和数据丢包率数据流间隔时间τ进行标记，被标记的数据构成标记数据集D，再选取合适距离d将数据流分割为大小相同的数据块di；

S32：采用动态漂移检测方法对标记数据集D中的数据进行检测；

S321：计算标记数据集D中数据块di的质心Pi和数据块中的标签数据质心Li；

S322：根据数据块质心Pi和标签数据质心Li构成向量gl,p，计算相邻向量gl,p和gl+1，p+1的夹角θ；夹角θ的公式为：

其中，gl，p表示标签数据的质心和数据空间的质心相连的向量，||gl，p||表示glp向量的模长，gl+1，p+1表示下一个标签数据的质心和下一个数据空间的质心相连的向量；

S323：随机选取xR与xL为双侧置信区间，其中，di≤xR‑xL≤2di；对于给定的信任概率a，xR与xL之间的数据x满足P(xR＜x＜xL)≥1‑a；

2

S324：根据双侧置信区间xR、xL以及信任概率a计算数据块的均值为μ和方差σ；根据均值和方差计算该数据块的阈值上限u和阈值下限d；

阈值上限u为：

阈值下限d为：

其中，xL、xR表示x区间的边界值，n表示样本个数；

S325：若标记数据集D中的数据高于阈值上限，则认为数据发生了漂移；若低于阈值下限，则认为未发生漂移；

S33：根据动态漂移检测结果，对标准事件模板B‑Spline曲线进行漂移补偿更新；

S331：根据节点发生漂移的数量进行初步分类；若节点发生漂移的数量大于预设数量值，则此漂移由信道行为所导致的；否则为节点的恶意行为导致的结果；

S332：采用间隔τ对标准传输事件模板B‑Spline曲线进行离散化，同时将数据分成距离为d的数据块di；

S333：求取标准传输事件模板di数据块的质心qi，计算标准事件模板数据块的质心qi和标签数据质心Li的欧式距离；

S334：去除欧式距离中的最大值与最小值，对剩余的欧式距离求平均值，得到曲线更新的偏移量；

S335：根据时间间隔τ计算对标准事件模板B‑Spline曲线进行更新的起始位置；根据起始位置和偏移量对标准事件模板B‑Spline曲线进行漂移补偿；

S34：对节点传输事件模板B‑Spline曲线进行线性变换，使节点传输事件模板B‑Spline曲线的尺度大小与更新后的标准事件模板B‑Spline曲线一致；

S35：计算节点传输事件模板B‑Spline曲线与更新后的标准事件模板B‑Spline曲线的Frechet距离；

计算Frechet距离的具体过程包括：在t时刻内，节点传输事件模板B‑Spline曲线的上采样点为A(α(t))，标准事件模板B‑Spline曲线的上采样点为B(α(t))；计算节点传输事件模板B‑Spline曲线和标准事件模板B‑Spline曲线的欧式距离为：d(A(α(t))，B(α(t)))；在每次采样中t离散的遍历区间为[0，1]；根据遍历区间计算该采样下的最大距离；其公式为：其中，α(t)为概率函数，A(α(t))表示节点传输事件模板B‑Spline曲线的上采样点，B(α(t))表示标准事件模板B‑Spline曲线的上采样点；

S36：根据Frechet距离的大小确定节点的传输行为性质和节点的恶意等级；其中，距离越小，相似度越高；

S4：根据恶意检测结果调整对该节点的监测时长。

2.根据权利要求1所述的一种基于贝塞尔曲线更新的节点行为监测时长自适应调整方法，其特征在于，构建一维特征曲线的公式为：y(x′)＝1/2[yl(x′)+yr(x′)]其中，yl(x′)表示从上边界到下边界的区间函数，yr(x′)表示从下边界到上边界的区间函数，x′表示输入变量。

3.根据权利要求1所述的一种基于贝塞尔曲线更新的节点行为监测时长自适应调整方法，其特征在于，构建标准事件模板B‑Spline曲线的过程包括：S161：采用固定时间间隔τ对一维特征曲线取样；通过节点矢量公式对取样数据进行计算，得到节点矢量；

S162：根据节点矢量求出B‑Spline曲线的基函数；

S163：选取矢量变化大的点作为控制顶点，根据控制顶点和基函数构造标准传输事件模板B‑Spline曲线；

S164：对标记的恶意节点设置不同概率等级的恶意传输行为；

S165：采用构建标准传输事件模板B‑Spline曲线的方法对不同概率等级的恶意传输行为进行处理，得到标准恶意事件模板B‑Spline曲线。

4.根据权利要求1所述的一种基于贝塞尔曲线更新的节点行为监测时长自适应调整方法，其特征在于，调整对该节点的监测时长包括确定等级监测时长、确定惩罚以及激励监测时长。