认知无线电网络基于合作感知的攻击检测算法及鲁棒性研究

发布时间：2017-10-06 03:39

  本文关键词：认知无线电网络基于合作感知的攻击检测算法及鲁棒性研究

  更多相关文章： 认知无线电 合作频谱感知 攻击检测算法 名誉值

【摘要】：认知无线电作为一种提高频谱利用率的智能技术备受关注。其中,合作频谱感知技术,能够在避免对主用户造成干扰的情况下,提升感知性能,进而有效提高接入并使用空闲频谱的机会。然而,合作感知也为合作组中的某些感知用户提供了攻击的机会(在此称为攻击者),即攻击者通过在合作组中发送错误的感知信息来破坏感知决策过程,以此获得对频谱信道的占有率,这种攻击被称为伪造频谱感知数据(Spectrum Sensing Data Falsification,SSDF)攻击。该攻击不仅能破坏合作感知的性能,而且会降低频谱的有效利用率。因此,设计一个有效的攻击检测算法,对于认知无线电网络的安全性,具有重要意义。为了提高合作感知的有效性能,实现频谱利用率最大化,本文提出了基于名誉值的合作感知攻击检测算法。首先,基于合作组中感知用户的可信度,该算法用“名誉值”标记每个簇内的感知用户,并使用带名誉值的差异值函数对每个感知用户的感知报告进行更新,来获得更接近主用户真实状态的本地感知决策。接着,合作组中的聚合中心对各簇的本地感知决策进行加权优化,并做出全局感知决策。最后,聚合中心基于感知用户的历史感知报告,更新其名誉值,并检测标记出诚实用户和攻击者。仿真结果表明,该算法获得的合作感知的感知报告更新值更接近主用户的真实状态,即提高了主用户检测的正确率;在攻击者数目较多时,算法的合作感知性能仍能保持稳定,从而保证了较高的频谱利用率。考虑合作感知组中各感知用户的感知信息交换形式,以及对SSDF攻击检测率及检测鲁棒性问题,本文又提出了一种基于公共控制信道(Common Control Channel,CCC)安全性的合作攻击检测算法。算法首先完善合作感知模型,即建立一个CCC,并结合名誉值的作用,检测出攻击者。接着,基于内敛惩罚函数和直接搜寻法,算法得出在获取良好攻击检测率下的最优门限值。最后,使用“Kullback-Leibler Diversity”方法验证了算法的鲁棒性。仿真结果表明,该算法不仅能够有效检测出合作组中的攻击者,而且能保证其鲁棒性,这对于解决合作感知中出现的SSDF攻击,保证认知无线电网络的安全性问题,具有深远的实际意义。
【关键词】：认知无线电 合作频谱感知 攻击检测算法 名誉值
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN925
【目录】：

• 摘要3-4
• Abstract4-11
• 注释表11-14
• 第1章 绪论14-25
• 1.1 研究背景14-19
• 1.1.1 认知无线电简介14-17
• 1.1.2 认知无线电频谱感知技术17-19
• 1.1.3 认知无线电资源分配技术19
• 1.2 认知无线网络中的安全问题概述19-21
• 1.3 研究现状及存在问题21
• 1.4 研究挑战及意义21-23
• 1.5 本文研究内容及结构安排23-25
• 第2章 认知无线电网络中攻击检测技术概述25-31
• 2.1 引言25
• 2.2 攻击类型及其相应检测算法分类25-29
• 2.2.1 物理层攻击25-27
• 2.2.2 数据链路层攻击27
• 2.2.3 网络层攻击27-29
• 2.3 攻击者属性分类29
• 2.4 合作感知中的SSDF攻击及其检测算法概述29-30
• 2.5 本章小结30-31
• 第3章 基于名誉值的合作感知攻击检测算法31-50
• 3.1 引言31
• 3.2 系统模型31-34
• 3.2.1 网络模型31-32
• 3.2.2 诚实用户模型32-33
• 3.2.3 攻击者模型33-34
• 3.2.4 聚合中心模型34
• 3.3 算法设计与分析34-44
• 3.3.1 感知报告生成阶段35-36
• 3.3.2 感知决策生成阶段36-40
• 3.3.3 名誉值更新阶段40-44
• 3.4 算法仿真及结果分析44-49
• 3.4.1 不同算法的合作感知有效性分析44-46
• 3.4.2 不同算法的频谱利用率分析46-49
• 3.5 本章小结49-50
• 第4章 基于CCC安全性的合作攻击检测算法50-73
• 4.1 引言50
• 4.2 系统模型50-53
• 4.2.1 CCC模型50-51
• 4.2.2 合作模型51-52
• 4.2.3 攻击模型52-53
• 4.3 基于CCC安全性的合作攻击检测算法描述及性能分析53-65
• 4.3.1 合作攻击检测算法(CADS)描述53-57
• 4.3.2 CADS算法相关概率计算57-60
• 4.3.3 CADS算法最优门限值计算60-62
• 4.3.4 CADS算法鲁棒性分析62-65
• 4.4 算法仿真及结果分析65-72
• 4.4.1 攻击者检测效率分析65-67
• 4.4.2 算法鲁棒性验证67-71
• 4.4.3 名誉值动态变化分析71-72
• 4.5 本章小结72-73
• 第5章 全文总结与未来研究方向73-75
• 5.1 全文总结73
• 5.2 未来研究方向73-75
• 参考文献75-81
• 致谢81-82
• 攻读硕士学位期间从事的科研工作及取得的成果82-83

【参考文献】

中国期刊全文数据库 前2条

1 LI Jianwu;FENG Zebing;FENG Zhiyong;ZHANG Ping;;A Survey of Security Issues in Cognitive Radio Networks[J];中国通信;2015年03期

2 李哲;柏鹏;檀蕊莲;姚战宏;林晋福;卢虎;;基于双门限能量检测的自适应协作频谱感知[J];电视技术;2013年17期

，

本文编号：980509