在线学习的主用户仿冒攻击策略

在认知无线网络中,次用户通过频谱感知来学习频谱环境,从而接入那些没有被主用户占用的频谱空隙。事实上,多种恶意攻击的存在会影响次用户频谱感知的可靠性。只有深入研究恶意攻击策略,才能确保认知无线网络的安全。基于此,研究了一种认知无线网络中的欺骗性干扰策略,即主用户仿冒攻击策略,该攻击策略通过在信道上传输伪造的主用户信号来降低次用户频谱感知的性能。具体来说,将攻击策略问题建模为在线学习问题,并提出基于汤普森采样的攻击策略以实现在探索不确定信道和利用高性能信道间的权衡。仿真结果表明,与现有的攻击策略相比,提出的攻击策略能更好地通过在线学习优化攻击决策以与作者互动适应非平稳的认知无线网络。

基于能量指纹匹配的无线认知网络仿冒主用户攻击检测

频谱感知是无线认知网络有效工作的基础,现有研究主要集中在提高频谱检测的效率,对于如何保证在不可信的网络环境中实现安全可靠的频谱感知还没有理想的解决方案。针对频谱感知过程中存在的一种典型攻击行为—仿冒主用户攻击,提出了一种基于能量指纹匹配的检测方案。认知用户利用自身的位置分布特征,使用能量检测生成主用户的能量指纹,以此作为节点的身份标识,分析不同用户对频谱资源的使用方式,最终实现对仿冒行为的检测。理论分析以及模拟测试表明,该方案在误检概率较低的前提下,可以有效地检测仿冒攻击行为,提高频谱感知的准确率。

基于SVDD的认知无线电网络仿冒主用户检测技术

为了解决传统主用户感知技术无法检测认知无线电网络中的仿冒主用户(PUE)攻击问题,提出了一种基于支持向量数据描述(SVDD)的PUE检测方法。该方法将PUE攻击检测建模为一个数据不平衡的单类分类问题,采用高效的SVDD算法,在对PUE攻击一无所知的情况下,仅利用认知无线电网络中的合法用户数据训练单类分类器。将待测样本输入训练后的分类器即可实现PUE攻击检测。理论分析和仿真结果表明,利用该方法进行PUE攻击检测,可以获得较低的虚警率和漏检率。

一种认知无线电仿冒主用户攻击的防御方案

针对认知无线电网络中存在的仿冒主用户攻击问题,提出一种采用Hash链的防御方案。在主用户-主用户基站的通信阶段,通过自主更新Hash密钥对接收信号进行验证。而在主用户基站-认知用户的通信阶段,采用Hash链逆序发放的方法验证接收信号。利用Hash函数不可逆、防伪造的特点,提高方案的安全性,同时由于Hash链自主更新Hash值,无需在本地数据库预存大量数据,简化验证过程,减少系统开销,保证方案的高效性。分析结果表明,该方案能够有效防御认知用户网络中出现的仿冒主用户攻击。

认知无线网络主用户模仿攻击下次用户通信性能分析

模仿主用户（PUE）是一种典型的易于实现且对认知无线网络（CRN）影响巨大的攻击行为，根据其产生的原因、目的和过程的不同，可以将PUE分为恶意不端次用户PUE和自私不端次用户PUE两类攻击。针对已有文献大多针对前者、而对后者分析极少的情况，重点对两者进行了区分，提出了四维连续时间马尔科夫链分析模型，并详细分析了自私不端次用户PUE攻击对正常次用户通信性能的影响，同时对几类典型的PUE攻击检测技术进行了对比。仿真结果表明：PUE攻击检测技术引入自私不端次用户检测机制极为必要，可以有效改进检测效果。

基于谱包络分形特征提取的仿冒攻击检测

以辐射源电子器件本身存在的寄生调制作为指纹特征,改进分形维数算法。将幅度谱信号的盒维数与信息维数各自的均值与方差之比求和,记作新的分形维数。针对八组辐射源实测信号的仿真表明,主用户和仿冒攻击用户的新分形维数区别明显,可用于仿冒攻击检测。

基于辅助节点的安全协作频谱感知

在认知无线电网络中,恶意用户会占用授权频段,模仿主用户的信号特征发送信号,导致其他认知用户误认为主用户存在。针对该问题,提出一种基于辅助节点的安全感知机制,在网络中部署若干辅助节点,利用链路特征和加密机制对主用户的活动情况进行识别。设计适用于该机制的融合判决算法,不对授权网络做任何形式的改动即能有效识别恶意用户,并在融合时采用信任节点的感知数据,从而提高融合结果的鲁棒性。仿真结果表明,与K秩、And和Or算法相比,在恶意环境下该算法具有较好的检测性能。

一种基于PUE恶意干扰的认知无线电态势感知方案

为了能及时、准确地掌握大范围内的仿冒主用户攻击情况及正确显示频谱态势图,提出一种基于仿冒主用户攻击检测的恶意用户干扰态势的研究方案,通过检测信道是否被恶意用户仿冒主用户攻击及对实施攻击的恶意用户的能量分布的检测与推理来构建干扰态势,并将其绘制成干扰态势图,从而方便决策者快速掌握大范围中的仿冒主用户攻击情况。仿真结果表明,该方案能够把主用户和恶意用户的能量及位置分离出来,从而充分发掘潜在的频谱空洞,提高频谱图的准确性,进而提高系统容量及安全性。

基于码元高斯拟合的PUE攻击检测策略

针对仿冒主用户(PUE)恶意干扰并占用有效频段所造成的频谱资源稀缺问题,提出了一种基于高斯函数特征提取的PUE攻击检测方法。在论证码元上包络起伏特征可以作为细微特征提取的基础上,结合高斯拟合,提取出不同用户发射源的特征参数,利用模糊C-均值聚类算法来区分主用户与仿冒攻击用户。仿真实验证明,该方法在不同信噪比下所提取出的两个辐射源特征差异明显、稳定性高、可靠性好,能够快速有效地检测出PUE攻击用户。

基于码元S函数匹配的PUE攻击检测研究

为对主用户(PU)与仿冒主用户(PUE)的辐射源进行有效识别,采用S函数对码元包络上升沿进行曲线拟合及参数提取,提出一种将拟合参数作为辐射源指纹特征进行用户识别的方法。通过模拟构造不同用户的辐射源码元信息,利用S函数模型匹配拟合码元上升沿,提取合适的码元上升沿特征参数构建辐射源指纹特征向量,并采用模糊C均值聚类区分PU与PUE的辐射源。实验结果表明,该方法能快速准确地实现PUE攻击信号的检测,并且可靠性高、运算量小。

认知无线电PUE攻击下次用户性能分析

随着认知无线电网络(CRN)技术的不断发展,安全问题日益受到重视。模仿主用户(PUE)是一种典型的易于实现且对CRN影响巨大的攻击行为,根据产生原因、目的和过程的差异,可以分为恶意不端次用户PUE和自私不端次用户PUE两类攻击。已有文献大多针对前者进行了分析,而对后者分析极少。这里重点对两者进行了区分,提出了四维连续时间马尔科夫链分析模型,详细分析了自私不端次用户PUE攻击对正常次用户通信性能的影响,并对比了几类典型的PUE攻击检测技术。通过仿真结果可以看出:PUE攻击检测技术引入自私不端次用户检测机制极为必要,可以有效改进检测效果。