认知物联网频谱感知数据伪造攻击研究

认知物联网可以看作是"认知无线电传感器节点的分布式网络",它通过在物联网中实现认知无线电技术,可以有效地解决物联网面临的频谱资源紧张等问题。文章提出了认知物联网的基本定义和体系结构,设计了频谱感知数据伪造(SSDF)攻击模型,分析了基于数据融合、基于一致性、基于SVDD算法、基于异常值检测等四种解决方案的原理与性能。

基于图像超分辨重建的低轨卫星频谱感知数据空间分辨率提高方法

在低轨卫星物联网系统中,卫星感知的频谱数据空间分辨率低,空间电磁环境的细节难以分析。针对该问题,提出将频谱的空间分布情况以二维图像形式处理,根据空间频谱感知数据的特点采用适当的图像超分辨率重建算法,提高了频谱的空间分辨率,增强了频谱态势中的细节。仿真结果表明,根据灰度值可以从图像中直接观察信号的存在性,并且依据频谱数据图像特点选择的双三次插值、基于L_(1)范数先验的贝叶斯方法和基于匹配图像块的学习方法都有效地提高了频谱数据的空间分辨率,用PSNR评价时,基于L_(1)范数先验的重建算法效果更好,但是基于匹配图像块的学习方法增强了频谱感知数据中的波纹,从视觉上看,提高细节效果略优。

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。

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。

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。

一种基于改进加权序贯检测的协作频谱感知算法

通过序贯检测可以提高协作频谱感知的准确度,但是在具有频谱感知数据窜改(spectrum sensing data falsification,SSDF)节点的环境下,系统感知性能急剧下降。为了解决上述问题,提出了一种基于加权序贯检测(weighted sequential probability ratio test,WSPRT)的频谱感知融合算法。通过给每个节点赋予信誉度权值,设置合理的信誉度奖惩方案来区分SSDF节点,从而优化系统感知性能。仿真实验表明,所提出的算法减少了SSDF节点带来的影响,提高了系统的检测准确率和稳定性。

恶意环境中基于能量效率的安全协作频谱感知

频谱感知是认知无线电网络运行的前提,但是在恶意环境中,频谱感知数据存在被篡改的威胁.针对该问题,提出了一种低开销的对称加密方法,采用报文鉴别码对次级用户报告的数据进行鉴权,保证数据的完整性,从而缓解攻击对感知性能的影响.提出了协作频谱感知中能量效率的概念,并通过改变报文鉴别码长度优化能量效率.仿真验证了上述方法的有效性并给出了优化问题的数值解.

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。

基于增强信誉度的联合频谱感知算法研究

在认知无线电多节点联合频谱感知中,当感知节点中存在恶意用户发起频谱感知数据窜改(spectrum sensing data falsification,SSDF)攻击时,联合频谱感知的性能将受到严重影响。针对上述问题,研究并建立一种具有潜伏期的攻击模型。该模型在信誉值偏低时将停止攻击并累积信誉值,并在此基础上提出基于信誉机制的加权序贯检测(weighted sequential probability ratio test,WSPRT)算法,在计算权值时,综合考虑单节点表现的可信度和稳定度。仿真比较了传统检测算法与该算法在不同攻击模式下的关键性能。仿真结果表明,与现有算法相比,该算法检测性能提升,适用于有大量恶意节点存在的环境,并可以有效抵御更加灵活的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。

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。

分布式协作频谱感知的信誉模型

协作感知技术能大大提高认知无线电网络中的频谱感知效果,但也会产生一些安全隐患,如频谱感知数据伪造攻击.针对单个恶意次用户发起的连续性频谱感知数据伪造攻击和若干个恶意次用户发起的非连续性频谱感知数据伪造攻击,设计并实现了一种分布式协作频谱感知的信誉模型.仿真实验表明,该模型能有效地识别恶意次用户和抵御频谱感知数据伪造攻击.同时,该模型还具有较小的虚警率、丢失率和较好的容错能力.

合作频谱感知安全技术研究

频谱感知是认知无线电实现动态频谱接入的前提和关键技术。由于阴影效应和多径衰落等因素,单个认知用户的频谱感知的结果可能不可靠,因此通过多个认知用户检测结果的融合来提高频谱感知的性能,即合作频谱感知。目前,合作频谱感知存在两类安全威胁:主用户假冒攻击(IE,Incumbent Emulation)和频谱感知数据篡改攻击(SSDF,Spectrum Sensing Data Falsification)。由于这两种攻击的存在,将会大大降低频谱感知的性能,减少认知用户接入空闲授权频段的机会。因此,有必要对这两类攻击开展相关的防御技术研究。

高恶意用户比例下稳健WSPRT算法

频谱感知数据篡改(SSDF)攻击是协作频谱感知(CSS)中常见的攻击方式。在分布式协作频谱感知网络中,采用加权序贯概率比检测(WSPRT)融合准则,通过信誉值机制,有效缓解了SSDF攻击的影响。但是,随着网络中恶意用户数目比例的增加,融合判决结果的错误概率将大大增加。在高恶意用户比例下,融合节点判决结果的错误概率将变得不容忽视。为了缓解分布式网络中高恶意用户比例下SSDF攻击带来的不良影响,因此提出训练机制下加权序贯概率比检测(RT-WSPRT)算法。仿真表明,在高恶意用户比例的情况下,RT-WSPRT检测性能优于WSPRT。

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。

Optimal Spectrum Sensing in Energy Harvesting Cognitive Radio Systems

In this paper,we consider a cognitive radio system with energy harvesting,in which the secondary user operates in a saving-sensing-transmitting(SST) fashion.We investigate the tradeoff between energy harvesting,channel sensing and data transmission and focus on the optimal SST structure to maximize the SU's expected achievable throughput.We consider imperfect knowledge of energy harvesting rate,which cannot be exactly known and only its statistical information is available.By formulating the problem of expected achievable throughput optimization as a mixed-integer non-linear programming one,we derive the optimal saveratio and number of sensed channels with indepth analysis.Simulation results show that the optimal SST structure outperforms random one and performance gain can be enhanced by increasing the SU's energy harvesting rate.

Spectrum sensing sequence prediction in cognitive radio networks

Spectrum sensing is one of the key issues in cognitive radio networks. Most of previous work concenates on sensing the spectrum in a single spectrum band. In this paper, we propose a spectrum sensing sequence prediction scheme for cognitive radio networks with multiple spectrum bands to decrease the spectrum sensing time and increase the throughput of secondary users. The scheme is based on recent advances in computational learning theory, which has shown that prediction is synonymous with data compression. A Ziv-Lempel data compression algorithm is used to design our spectrum sensing sequence prediction scheme. The spectrum band usage history is used for the prediction in our proposed scheme. Simulation results show that the proposed scheme can reduce the average sensing time and improve the system throughput significantly.