基于HHO-SVM的抗SSDF攻击协作频谱感知方法

针对认知无线电网络中的频谱感知数据伪造(spectrum sensing data falsification,SSDF)攻击问题,提出一种基于哈里斯鹰优化(Harris hawks optimization,HHO)算法和支持向量机(support vector machine,SVM)的抗SSDF攻击协作频谱感知方法。首先从报告信息矩阵中提取用于区分次用户(secondary users,SU)类别的特征向量。其次通过HHO算法优化SVM内核参数,通过优化的SVM模型检测恶意SU,提高了在复杂感知环境中对SU分类的准确率。最后根据优化的SVM模型计算获得SU的可信度,并以可信度为权重融合感知数据,进一步加强系统的抗攻击性。仿真结果表明,所提方法能够对不同的SSDF攻击场景实现有效防御,相比现有的方法具有更好的频谱感知性能。

基于双重信誉值与多角度权值的抗SSDF攻击协作频谱感知方法

为保证协作频谱感知具备较好的抗频谱感知数据篡改(SSDF)攻击能力,提出一种基于双重信誉值与多角度权值的协作频谱感知(DRMW-CSS)方法。首先,以历史本地判决结果进行多次迭代获得评分信誉值,并在此基础上计算出准确率信誉值。其次,以双重信誉值和多个信誉值门限对次级用户(SU)进行筛选。然后,判断SSDF攻击对该筛选方法造成的影响程度,并将其分为3种情况。最后,根据不同情况采用相对应多角度权值数据融合判决方法做出最终的全局决策。仿真结果表明,所提方法在面对不同攻击策略与攻击概率的SSDF攻击时具有良好的感知准确率,相较于传统方法具备更好的抗攻击能力。

基于复合熵和证据理论的抗SSDF攻击协作 频谱感知方法

针对协作频谱感知中,频谱感知数据篡改(spectrum sensing data falsification,SSDF)攻击导致的感知性能恶化问题,在次级用户中恶意用户占比小于一半的情况下,提出一种基于复合熵和证据理论的抗SSDF攻击协作频谱感知方法。首先,次级用户根据本地感知统计量计算基本概率分配(basic probability assignment,BPA)信息。然后,融合中心根据BPA计算距离值并进行熵处理得到复合熵,再以复合熵为权重对BPA信息进行调整,降低恶意用户的权重。最后,针对证据理论中Dempster融合公式的弊端,采用加权求和法代替传统的融合公式。仿真结果表明,和已有方法相比,在不同类型的SSDF攻击下,所提算法具有较好的感知性能。

抗SSDF攻击的一致性协作频谱感知方案

在分布式认知无线电网络中,一般很难找到合适的融合中心能够收集所有协作用户的感知信息,而且协作过程极可能遭到篡改感知数据(Spectrum Sensing Data Falsification,SSDF)攻击.鉴于此,该文提出了一种改进的一致性协作频谱感知方案.利用Metropolis迭代规则,各次用户仅依靠邻接点之间的局部信息交互即可实现感知协作,且无需网络的任何先验知识.为了抵抗潜在的三种SSDF攻击,该方案中引入了相应的抗攻击策略,使合法次用户能及时检测并拒绝恶意用户接入网络.仿真结果表明,改进方案能保证绝大多数合法次用户最终趋于状态一致,并分别做出正确决策;与现有的一致性方案相比,该方案能使协作感知在各种攻击场景中的稳健性明显增强.

抗SSDF攻击的EWSPRT协作频谱感知方案

比较了认知无线电网络中几种典型的协作感知方案在篡改感知数据(SSDF)攻击条件下的感知性能,并提出了一种增强型加权序贯检测(EWSPRT)协作方案。在该方案中,各次用户首先通过能量检测得到2 bit本地决策,然后收集其它协作用户的感知结果进行决策融合和最终判决,并依据历史观测信息动态更新各协作用户的融合权重;利用改进的信任度更新算法能使恶意用户的融合权重更快地降低,从而有效地减少SSDF攻击对协作过程的影响。Monte-Carlo仿真结果表明,与传统方案相比,EWSPRT方案能够更有效地抵抗SSDF攻击。

分布式协作认知无线电SSDF攻击的防御策略综述

协作频谱感知可以提高频谱感知的可靠性,但其融合机制使得其易受频谱感知数据篡改(spectrum sensing data falsification,SSDF)攻击影响。为深入了解SSDF攻击防御算法的发展现状及趋势,总结了SSDF攻击典型的分布式防御策略,并对相应分布式防御算法进行了比较。最后依据目前相关研究中所发现的问题,对SSDF攻击分布式防御策略未来的研究方向进行了展望。

可防御SSDF攻击的宽带压缩频谱感知

SSDF(Spectrum Sensing Data Falsification)攻击是认知无线网络中对频谱感知性能危害最大的攻击方式之一。基于认知无线网络中信号频域的固有稀疏性,本文结合了压缩感知(CS)技术与平均一致(average consensus)算法,建立了可防御SSDF攻击的分布式宽带压缩频谱感知模型。本文建立了次用户的声望值指标,用以在分布式信息融合的过程中更加准确地排除潜在的恶意次用户影响。在感知阶段,各个CR节点对接收到的主用户信号进行压缩采样以减少对宽带信号采样的开销和复杂度,并做出本地频谱估计。在信息融合阶段,各CR节点的本地频谱估计结果以分布式的方式进行信息融合,排除潜在恶意次用户的影响,得到最终的频谱估计结果。仿真结果表明,本文提出的分布式频谱感知模型可以有效地抵御SSDF攻击,提高了频谱感知的性能。

基于中位数的抗SSDF攻击协作频谱感知方案

给出一种基于中位数的分布式协作频谱感知算法。选取次级用户与其邻居间感知数据差值的中位数作为迭代依据,降低感知数据极端的次级用户可能为恶意用户的影响;对各邻居节点建立信任度指标,进一步降低恶意用户的影响。所给算法无需融合中心,次级用户与相邻节点以局部信息交互方式进行协作感知。仿真结果表明,所给算法相比现有平均一致算法可明显提高频谱感知性能,且可提高收敛率。

利用SSDF攻击特征的加权分布式频谱感知算法

协作频谱感知可以提高频谱感知的可靠性,但易遭到篡改感知数据(Spectrum Sensing Data Falsification,SSDF)攻击。该文利用SSDF攻击特征,判断邻居节点发送值是否是恶意状态值,并提出一种加权分布式协作频谱感知算法。该算法根据状态值在本地节点网络中的偏离程度,设定其融合权值。仿真结果表明,所提算法在节点收敛率和鲁棒性两方面,比基于梯度的协作频谱感知算法和基于最大差值的协作频谱感知算法都有所提升,检测性能也因此显著提高。

基于ESD测试的无线电网络抗SSDF攻击协作频谱感知方案

针对认知无线电网络中协作频谱感知容易遭受数据伪造攻击的问题,提出一种基于检验统计和极端学生化偏差检验法的协作频谱感知方案。首先,将差分进化算法与加权增益合并软决策融合方法相结合,形成一种高效的节点决策融合机制。然后,在协作感知中,根据节点的软决策数据,利用检验统计消除故障认知节点。最后,利用提出的改进型ESD检验法消除恶意认知节点,从而形成全局决策。仿真结果表明,该方案在协作感知中能够有效过滤SSDF攻击数据,具有较低的误检测率。

协作频谱感知中基于累积可疑度水平的抗SSDF攻击策略

信息融合式协作频谱感知(Cooperative Spectrum Sensing,CSS)极易受到篡改感知数据(Spectrum SensingData Falsification,SSDF)攻击的威胁。针对此问题,提出了一种基于累积可疑度水平(Accumulated Suspicious Level,ASL)的抗攻击策略。在该策略中,利用了数据挖掘的思想,信息融合中心不需要任何关于恶意用户攻击策略的先验信息,仅通过各次用户历史决策之间的Hamming距离来计算其可疑度,并通过多个感知周期的信息累积得到每个次用户的ASL。当某些用户的ASL连续出现超过某一特定门限时,融合中心即将它判定为恶意用户并将其从融合过程中剔除,从而达到抵抗SSDF攻击的目的。仿真结果表明,该抵抗策略能够有效检测并剔除各种类型的SSDF攻击,对于一般算法无法检测的智能型攻击也具有较好的抵抗效果,并可改善不同形式SSDF攻击场景下的协作频谱感知性能。

抵御SSDF攻击的维纳滤波器检测算法研究

针对认知无线电网络中随机概率式频谱感知数据篡改(SSDF)的攻击,利用基于最小均方误差建立的维纳滤波器对目标信号进行估计,提出一种维纳滤波器检测(WFD)算法。基于梯度算法训练最优权重,根据权重对训练数据加权融合并对融合结果取平均作为门限,将训练得到的权重和门限与各认知用户发送的数据加权融合得出判决结果。仿真结果表明,与传统的等增益合并算法相比,在相同的信噪比下,WFD算法的错误概率降低20%以上,且受SSDF攻击的恶意用户所占比例、攻击概率和相对攻击强度等关键参数影响较小,具有更好的鲁棒性。

利用分组过滤加强SSDF攻击防御的方案设计

在协作频谱感知网络中,设备故障、信道阴影衰落和噪声等会导致频谱感知器(如手机、平板等)发送的信息不可靠,而恶意用户在协作频谱感知网络中,也会发送错误的感知信息以混淆视听,干扰诚实用户的判决结果。不可靠消息在邻居用户间的传递必将导致感知结果产生偏差和错误,大大降低了协作频谱感知的效率。为解决上述问题,本文将置信传播算法和信誉模型相结合,提出一种基于次用户分组的频谱感知数据伪造(SSDF,Spectrum Sensing Data Falsification)攻击防御方案。该方案分两个阶段对不可靠信息进行过滤:首先,在频谱感知阶段,通过置信传播算法对次用户进行分组,过滤掉因设备故障等因素产生的不可靠用户,剩余用户则视为正常工作用户进行数据融合。然后,在数据融合阶段,根据以信誉值作为权重因子的置信传播算法来计算最终的判决值。本文所提方案分别在感知阶段和融合阶段采取了防御措施,可有效地过滤网络中的不可靠信息,减小恶劣的频谱环境对次用户感知结果的影响。仿真结果表明,本文所提方案迭代次数少、收敛快,有效地减弱了SSDF攻击带来的损害,提高了感知结果的准确性、增强了认知无线网络的安全性。

基于能量分类器的抗SSDF攻击协作频谱感知算法

频谱感知是认知无线电通信的重要环节,SSDF(Spectrum Sensing Data Falsification)是协作频谱感知面临的严重安全威胁。SSDF攻击方式逐渐呈现动态化的趋势,传统防御算法因假定攻击强度保持不变而难以识别动态的篡改数据。针对动态化的SSDF攻击,提出一种基于能量分类器的抗SSDF攻击协作频谱感知算法。该算法首先通过分析动态SSDF攻击的特性,结合距离判别法将邻居节点能量分类,通过将分类结果与本地结果进行对比来识别恶意邻居节点;然后本地节点在滑动时间窗内根据历史频谱判决信息和当前频谱判决信息建立信誉模型,并由此更新各邻居节点的信誉值;最后,本地节点实施加权协作频谱感知。仿真结果表明:相比LDCSS(Largest Deviation-based distributed Cooperative Spectrum Sensing)算法和RBCSS(Reputation-based Cooperative Spectrum Sensing)算法,所提算法在动态SSDF攻击的攻击强度接近阈值时频谱检测概率分别提高了15%和16%,显著增加了认知网络的协作频谱感知性能,提升了频谱共享的效率。

CRN合作频谱感知SSDF攻击的博弈分析

由于认知无线电网络(CRN)的特点,合作频谱感知容易遭受各种不同的安全威胁。针对CRN合作频谱感知中的感知数据错误化(SSDF)攻击,利用博弈论分析了SSDF攻击者和数据融合中心在不同条件下的行为与收益,并研究了双方基于博弈论的最佳策略。数据融合中心采用本文所述的策略可以有效对抗SSDF攻击,且SSDF攻击者无法通过自身策略的调整获得更大的收益。

An algorithm based on evidence theory and fuzzy entropy to defend against SSDF

In cognitive radio networks, spectrum sensing is one of the most important functions to identify available spectrum for improving the spectrum utilization. Due to the open characteristic of the wireless electromagnetic environment, the wireless network is vulnerable to be attacked by malicious users(MUs), and spectrum sensing data falsification(SSDF) attack is one of the most harmful attacks on spectrum sensing performance. In this article,an algorithm based on the evidence theory and fuzzy entropy is proposed to resist SSDF attacks. In this algorithm, secondary users(SUs) obtain the corresponding degree of membership function and basic probability assignment function based on the local energy detection result. The new conflicting coefficient is calculated based on the evidence distance and classical conflicting coefficient, and the conflicting weight of the evidence is obtained.The fuzzy weight is calculated by the fuzzy entropy. The credibility weight is obtained by updating the credibility. On this basis, the probability assignment function of the evidence is corrected, and the final result is obtained by using the fusion formula. Simulation results show that the proposed algorithm has a higher detection probability and lower false alarm probability than other algorithms.It can effectively defend against SSDF attacks and improve the performance of spectrum sensing.

基于防伪码鉴定机制的数据伪造攻击检测方法

在认知无线电网络中,恶意用户会发送虚假信号给融合中心,使融合中心做出主用户存在的错误判断。针对该问题,提出一种基于鉴定机制的协作频谱感知方法。为每个认知用户本地检测信息附加防伪码对恶意用户进行识别,以降低恶意用户对协作频谱感知性能的影响,同时对防伪码的长度进行优化,以减小系统的能量消耗,并将感知效率作为评估感知性能的指标,达到检测性能和系统开销之间的平衡。仿真结果表明,在恶意用户存在的情况下,与传统的K-out-of-N方法相比,该方法有效地提高了系统的感知效率。

协作频谱感知中的可信双门限硬判决融合算法

数据融合硬判决算法有效提高了协作频谱感知的精确性。然而,传统硬判决融合算法不加筛选的接收感知数据,且采取单门限判决机制,为恶意用户提供了可乘之机。为了防御恶意用户实施的频谱感知数据篡改攻击,本文提出一种基于声誉的可信双门限硬判决融合算法RHDF(Reputation-based Hard Decision Fusion Algorithm),只有可信认知用户的感知报告才会被融合中心接收;同时,引入优先取半的双门限判决融合思想,提高了融合判决的效率和性能,从而有效规避了恶意用户的影响。仿真结果表明,与传统硬判决融合算法相比,RHDF算法能更有效地防御频谱感知数据篡改攻击,保证更好的协作频谱感知性能。

认知无线网络中收敛感知算法安全性检测

分布式认知无线网络中,攻击者通过篡改本地频谱感知数据发起频谱感知数据篡改攻击,影响网络中其他节点的数据更新,导致频谱决策的错误.针对分布式认知无线网络中的收敛感知算法进行安全性检测.仿真数据表明,如果网络中存在攻击者在数据收敛后期开始发起频谱感知数据篡改攻击,将会诱使收敛感知算法最终收敛于攻击者提供的感知数据,使局部网络中所有认知用户对频谱感知数据做出错误的判断.最后,针对认知无线网络中频谱感知的特点,考虑影响感知数据更新的因素,给出了分布式认知无线网络中频谱感知的安全补充建议.

基于流行病理论的无线认知传感网抗攻击模型

大量无线通信设备在ISM频段工作致使免许可频段频谱资源稀缺,促使认知无线电和无线传感器网络(WSN)融合,形成无线认知传感器网络(WCSN)。文章研究了无线认知传感器网络中的数据伪造攻击,即恶意次用户通过向其他次用户发送伪造的频谱感知数据,导致控制中心做出错误的频谱分配决策。基于流行病理论,文章对数据伪造攻击中的信息传播过程进行了建模和分析,找出了决定无线认知传感器网络中潜在流行病爆发的关键因素。最后,通过仿真实验,对模型进行了验证,并对系统动态特性进行了研究。