多层传感器的故障准确定位对保证各自应用安全至关重要。多层传感器不同于传统的传感器网络,其不同层次的传感器故障的特征差异较大,不同层次传感器之间存在故障特征"断层"问题。传统的基于流数据异常特征识别的多层传感器故障数据的挖掘模型需要明确层次网络故障之间的关联特征,若传感器层次之间的故障特征关联性不强,故障挖掘的阀值就无法固定,产生故障特征无法定位问题,导致误警率较高。提出了一种基于贝叶斯信念网络的多层传感器故障数据的挖掘模型,针对多层传感器故障数据属性多样性的问题,分析了贝叶斯信念网络的结构,搜索一个最匹配待分类故障数据样本的贝叶斯信念网络,通过评估函数评估各个可能的网络结构与样本多层传感器故障数据间的契合度,采集一个最佳样本多层传感器故障数据解,通过"压缩侯选"的贝叶斯信念网络算法,计算样本多层传感器故障数据间的依赖关系,集中扫描最可能是待挖掘数据的变量集,实现故障数据的挖掘。实验结果表明,利用所提模型能够有效提高多层传感器故障数据的挖掘的准确性。