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K-modes的安全算法抵御SSDF攻击

为保障频谱感知安全,针对协作频谱感知中频谱感知数据篡改攻击,在集中式认知无线电网络中提出了一种基于K-modes的安全算法抵御此类攻击。利用K-modes算法对在融合中心收集到的次用户感知报告进行分类,在识别并剔除攻击者后,最后通过低复杂度的传统投票规则获得更高的网络感知性能。通过Python仿真,分析该算法在不同条件下对攻击者的识别性能,并验证该算法比传统防御算法的检测概率提高了约37%。

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。

协作频谱感知中抗SSDF攻击的认知用户不确定性行为评估

针对认知用户的协作感知行为不确定性,提出一种基于D-S证据理论的信任评估机制——Hard Guard,为硬判决融合算法提供保护,使其成为具有抑制频谱感知数据伪造(SSDF)攻击能力的可信协作频谱感知算法。Hard Guard采取感知数据预处理措施,在融合之前有效过滤虚假感知数据,规避了恶意用户的影响。仿真结果表明,Hard Guard能使硬判决融合算法面对SSDF攻击时保持较好的感知性能。

协作频谱感知及SSDF攻击研究

认知无线电网络中,协作频谱感知技术利用多个认知用户的本地感知,克服了多径效应、阴影效应等问题的制约,提高了系统的检测性能。介绍了典型的协作感知系统模型,对本地感知和融合判决这两个关键要素进行了分析,给出了单节点检测与协作感知时的ROC曲线及性能比较。介绍了频谱感知数据篡改攻击、分类以及目前对该攻击的研究现状,针对可能出现的攻击情况,进行了理论分析和仿真,仿真结果表明遭受SSDF攻击后系统性能明显下降。最后总结了全文。

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。

协作频谱感知中的SSDF攻击及其对策研究

协作频谱感知是认知无线电中实现频谱有效利用的关键环节,但协作频谱感知由于其聚集感知数据的特点,为恶意用户提供了可乘之机。恶意用户可以通过实施频谱感知数据伪造(spectrum sensing data falsification,SSDF)攻击的方式,使认知无线电系统不能如实地根据外界环境进行动态的频谱切换。为深入理解SSDF攻击,掌握其防御对策的研究现状及发展趋势,从攻击手段、攻击形式和攻击策略3个角度细化出具体的SSDF攻击类型,总结了目前SSDF攻击的典型防御对策。同时,针对目前相关研究中所存在的问题,明确了一些有待继续研究的方向。

一种SSDF攻击检测的证据理论合作频谱感知算法

现有的基于证据理论的合作频谱感知认为所有认知用户都是诚实的,没有考虑恶意用户的存在。当恶意用户篡改本地感知的结果,发送错误的数据到数据融合中心,将会降低合作频谱感知的性能,这种攻击称为频谱感知数据篡改(spectrum sensing data falsification,SSDF)攻击。由于恶意用户发送的证据与其它认知用户的证据存在差别,本文使用Jousselme距离来衡量证据的可信度,提出一种SSDF攻击检测算法。数据融合中心接收所有认知用户的证据,让可信度低的证据不参与融合判决,可信度高的证据根据可信度进行加权融合。仿真结果表明,所提出的SSDF攻击检测算法在恶意用户发起SSDF攻击时可以很好的改善频谱感知性能。

基于综合信任抵御SSDF攻击的频谱态势融合方案

分布式认知无线电网络中一般不存在收集所有用户信息的融合中心,为了对抗频谱感知过程中恶意次用户发起的篡改频谱感知数据(SSDF)攻击,提出一种基于综合信任的频谱态势融合算法。该算法通过评估次用户间每次交互的满意度得到节点的瞬时信任度,并通过一致性检测,累积获取各个节点所有邻接次用户的长期信任度,结合二者得到动态的综合信任作为协作频谱感知时次用户间交互数据可靠性的主要参考指标,遏制恶意用户影响。理论分析与仿真结果表明,该方案在收敛性和稳定性上优于传统合作频谱感知算法,抵抗攻击能力增强,频谱检测准确率得到提升。

协同频谱感知中SSDF攻击检测方法

认知无线电通过协同频谱感知的方式发掘空闲的可用频谱,但同时也会引起SSDF(频谱感知数据篡改)攻击方式,带来新的安全隐患,因而研究针对SSDF攻击方式的各种检测方法对提升认知无线电的频谱感知安全具有重要意义。文章首先简单介绍在认知无线电网络中协同频谱感知数据的融合方法,然后总结和概述当前针对SSDF攻击的检测方法,最后提出将来可能的研究方向。

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。

基于遗传算法抵御SSDF攻击的算法研究

协作频谱感知(cooperative spectrum sensing,CSS)可以有效消除频谱感知过程中路径阴影和衰落对单节点频谱感知的影响,但是此感知方式中却有很多潜在的安全问题.针对CSS中较为常见的频谱感知数据篡改(spectrum sensing data falsification,SSDF)攻击,利用感知用户的本地能量检测值和频谱分割技术得到的信道状态值作为数据集进行训练,采用遗传算法优化加权协作中的加权系数,通过改变SSDF攻击者加权系数的方式降低SSDF攻击对系统检测性能的影响.仿真结果表明,加权系数经过遗传算法进化15代左右会趋于稳定值,检测概率明显提高,克服了SSDF攻击对系统造成的危害,更有利于实现认知无线电网络快速及高效的检测要求.

基于汉明距离的信任机制算法抵御SSDF攻击

针对协作感知中的频谱感知数据篡改(Spectrum Sensing Data Falsification,SSDF)攻击,提出了基于汉明距离的信任机制算法抵御SSDF攻击。首先融合中心(Fusion Center,FC)根据汉明距离计算次级用户的融合信任值,其次预先设定FC做出模糊判决比例的上限,根据实际模糊判决数目是否大于上限决定是否更新双门限值。仿真实验表明,在不同恶意用户(Malicious User, MU)数目和低信噪比环境下,该算法可以有效降低虚警概率,提高检测概率和系统的整体感知性能。

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。

基于在线异常感知的无线电网络抗SSDF攻击协作频谱感知框架

针对认知无线电网络(CRN)通信可能会因为恶意次级用户(SU)的存在或信道损伤而遭到破坏等问题,提出了一种广义鲁棒的协作频谱感知(CSS)框架,频谱感知和恶意用户识别问题联合构成一种优化问题。提出的方案通过利用节点位置信息获得了性能的提升,利用在线异常感进行实时识别和跟踪,不仅能识别恶意用户和频谱机会,而且能处理不准确或丢失的距离测量和噪声SU报告。仿真实验使用蜂窝场景,在一个特定半径内包含一个主用户(PU)和多个SU。实验结果表明,提出的方案在协作感知中能够有效克服感知数据错误化(SSDF)攻击。此外,与基于主成分分析法(PCA)的鲁棒CSS相比,对距离估计误差不敏感,对攻击强度和恶意用户数的鲁棒性更强,同时可以灵活抵御多种网络攻击。

宽带SSDF攻击下的压缩频谱感知

在宽带主用户信号的模型下,提出了一种新型的宽带SSDF(spectrum sensing data falsification)攻击模式,并结合了压缩感知(compressed sensing,CS)技术与平均一致(average consensus)算法,建立了可防御这种宽带SSDF攻击的分布式宽带压缩频谱感知模型。频谱感知分为感知阶段和信息融合阶段。在感知阶段,各个CR(cognitiveradio)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,并作出本地频谱估计。在信息融合阶段,为了更好地排除宽带SSDF攻击节点的影响,建立了子信道声望值指标,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,提出的频谱感知模型可以有效地抵御宽带SSDF攻击,并且利用了恶意次用户节点的有用数据获得了额外的分集增益,提高了频谱感知的性能。

基于K-means的分布式网络安全算法研究

认知无线电(cognitive radio,CR)被认为是解决频谱资源稀缺的核心技术,频谱感知作为CR技术中最为核心的一环,其安全性也就显得尤为重要。分布式协作频谱感知是真实环境中十分常见的一种认知无线电网络(cognitive radio network,CRN)下的协作模型。考虑了分布式网络中SU在软判决情况下的变化,考虑完美的信号传输,利用K-means算法对分布式网络中的攻击者进行提前数据划分,集群分类后剔除攻击者,完成进一步的频谱感知,并在Python仿真平台验证,相比传统的信誉度防御算法效果更好。

一种基于信誉度的航空无线电协作频谱感知方法

传统的航空无线电协作频谱感知算法无法区分节点的性质(普通/恶意),而新的加权序贯检测(weighted sequential probability ratio test,WSPRT)算法虽然解决了这个问题,但在具有频谱感知数据篡改(spectrum sensing data falsification,SSDF)攻击节点的环境中,无法保持高的感知正确率。提出了一种改进型WSPRT算法,在传统的WSPRT算法基础上改进了信誉度奖惩方案,增加了临近时间内感知稳定度的量化。从实验仿真结果看,改进后的算法不仅时间复杂度更低,而且能够有效地识别恶意节点,对于恶意用户的判定更准确。