CN102438236B - 一种抵抗感知数据错误化攻击的安全合作频谱感知方法 - Google Patents

Abstract

本发明公布了一种抵抗感知数据错误化攻击的安全合作频谱感知方法。现有技术中虽然基于传统的信誉度的方法已能进行有效抵抗感知数据错误化攻击，但对于概率型攻击的问题效果仍不佳。本发明能在认知无线电网络中利用信誉度来反映认知无线电用户的服务品质，减轻不可信用户的攻击对合作频谱感知性能影响的安全合作频谱感知。本发明方法不需要获得主用户的先验信息，具有较强的通用性和易实施性；通过选择不同的遗忘因子计算信誉度，真实及时地反映认知无线电用户的服务品质，能适应复杂多变的无线环境；能有效地减轻深衰落用户对合作感知性能的影响，有效地抵抗恶意用户AlwaysYes、AlwaysNo及概率型攻击对合作感知性能的影响。

Description

一种抵抗感知数据错误化攻击的安全合作频谱感知方法

技术领域

本发明属于认知无线电安全技术领域，涉及一种在认知无线电网络中利用信誉度来反映认知无线电用户的服务品质，减轻不可信用户的攻击对合作频谱感知性能影响的安全合作频谱感知方法。

背景技术

随着无线通信技术的飞速发展，无线频谱资源的稀缺问题日益突出；认知无线电技术就是为了克服频谱资源利用效率低下，以缓解无线频谱资源短缺问题而成为研究热点。

认知无线电技术要求认知用户具备认知功能，认知无线电用户需要在不对授权用户(也称为主用户)产生干扰的前提下，发现并机会式地利用周围无线环境中的频谱空洞，实现对空闲授权频段的动态接入，其中频谱感知是实现这一目标的首要技术环节。一旦认知无线电用户发现主用户接入其正在使用的频带，则必须马上停止使用该频带，以免干扰主用户的正常通信。基于能量检测的频谱感知技术因其实现简单的特点，在无法获得充足的主用户信息时仍能获得较好的性能，因此应用场景较为广泛。

多个认知无线电用户参与的合作频谱感知是为了克服单用户频谱感知受硬件或者环境限制导致的检测性能低下的缺陷而产生的，其将多个认知无线电用户联合起来，让认知无线电用户共享本地检测信息，完成对主用户信号的检测，在提高认知无线电网络整体检测性能的同时降低对单个认知无线电用户检测精度的要求。合作频谱感知一般包括三个基本步骤：认知无线电用户的本地感知、数据融合中心的对感知结果的融合及合作感知判决。

在合作频谱感知中，感知数据错误化攻击是一个非常严重的安全威胁。感知数据错误化攻击是指不可信的认知无线电用户故意发送不真实的感知结果至数据融合中心，使数据融合中心作出关于主用户是否占用目标频谱的错误判决。感知数据错误化攻击一般有三种攻击类型：(1)AlwaysYes攻击：发起Always Yes攻击的用户总是发送较大的感知能量值至融合中心，这类用户被称为自私用户，其攻击的目的主要是为了独占频带，这类攻击的效果是提高了系统的虚警概率；(2)Always No攻击：发起AlwaysNo攻击的用户总是发送较小的感知能量值至融合中心，这类用户被称为恶意用户，其攻击的目的主要是为了干扰主用户，攻击的效果是降低了系统的检测概率；(3)概率型攻击：这类攻击者以某概率决定是否发起攻击，一旦发起攻击，则发送不真实的感知能量值至融合中心。

对于前两类的攻击，基于传统的信誉度的方法已能进行有效抵抗，但对于概率型攻击的问题，则效果不佳。

发明内容

本发明针对现有技术的不足，提供一种在认知无线电网络减轻感知数据错误化攻击尤其是概率型攻击对合作感知性能影响的方法。

本发明的具体步骤为：

步骤(1)认知无线电用户感知目标频带使用情况，具体方法：在一次感知过程中，各认知无线电用户采用现有的能量检测技术独立地感知目标频带上主用户的信号能量，得到本地感知结果Y_j，其中下标j表示第j个认知无线电用户。

$Y_j=\left\{\begin{array}{cc}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left[n_j\left(i\right)\right]}^2& H_0\\ \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{[s_j\left(i\right)+n_j\left(i\right)]}^2& H_1\end{array}\right.---\left(1\right)$

其中s_j(i)表示在一次感知过程中，第j个认知无线电用户在第i次采样时得到的主用户信号能量值，n_j(i)表示在一次感知过程中，第j个认知无线电用户在第i次采样主用户信号时的噪声，N表示认知无线电用户执行一次感知所需的采样次数。1≤i≤N，1≤j≤J，N≥15，J表示参与合作感知的认知无线电用户的数量。

步骤(2)认知无线电用户在得到本地感知结果Y_j后，根据认知无线电用户类型对本地感知结果Y_j进行处理，得到感知结果Y′_j，并通过控制信道发送感知结果Y′_j至数据融合中心，具体方法：

若认知无线电用户为正常用户，Y′_j＝Y_j；

若认知无线电用户为Always No类型攻击者，则进行本地判决，本地判决结果为Y_j≥γ_j时Y′_j＝Y_j-Δ，本地判决结果为Y_j＜γ_j时Y′_j＝Y_j；

若认知无线电用户为Always Yes类型攻击者，则进行本地判决，本地判决结果为Y_j＜γ_j时Y′_j＝Y_j+Δ，本地判决结果为Y_j≥γ_j时Y′_j＝Y_j；

若认知无线电用户为概率型攻击者，则以概率P_a决定是否发起攻击，若发起攻击，则进行本地判决，本地判决结果为Y_j≥γ_j时Y′_j＝Y_j-Δ，本地判决结果为Y_j＜γ_j时Y′_j＝Y_j+Δ，若不发起攻击，则不进行本地判决，Y′_j＝Y_j。在进行相应的处理后，各认知无线电用户将感知结果Y′_j发送至融合中心。

其中γ_j为认知无线电用户判决主用户是否占用频谱的判决门限经验值，Δ是攻击强度，Δ＜γ_j，概率P_a是一个常数。

步骤(3)数据融合中心在收到各认知无线电用户发送的感知结果Y′_j后，对接收到的感知结果Y′_j进行融合，并利用融合的结果对频谱使用情况进行判决，具体方法：

a、数据融合中心在接收到各认知无线电用户的感知结果Y′_j后，计算每个用户的信誉度和信誉度方差，具体计算方法：

第j个认知无线电用户的在第l次融合时的信誉度R_j(l)为：

$R_j\left(l\right)=\frac{M_j\left(l\right)+1}{M_j\left(l\right)+\⫬M_j\left(l\right)+2}---\left(2\right)$

第j个认知无线电用户的在第l次融合时的信誉度方差Var_j(l)为：

${\mathrm{Var}}_j\left(l\right)=\frac{(M_j\left(l\right)+1)\×(\⫬M_j\left(l\right)+1)}{{(M_j\left(l\right)+\⫬M_j\left(l\right)+2)}^2\×(M_j\left(l\right)+\⫬M_j\left(l\right)+3)}---\left(3\right)$

其中M_j(l)和

是服务品质因子，根据服务信息存储器中存储的服务信息计算得到的。若当前融合过程为第1次融合(即l＝1，服务信息存储器上也未存储任何信息时)，

若服务信息存储器未满(即l＜L时)， $M_j\left(l\right)=\underset{l^{\&prime;}=1}{\overset{l}{\mathrm{\&Sigma;}}}{r}_j\left(l^{\&prime;}\right)\exp (-{\mathrm{\&eta;}}_j(l-l^{\&prime;})),l<L,$ $\&Not;M_j\left(l\right)=\underset{l^{\&prime;}=1}{\overset{l}{\mathrm{\&Sigma;}}}(1-r_j\left(l^{\&prime;}\right))\exp (-{\mathrm{\&eta;}}_j(l-l^{\&prime;})),l<L;$ 若服务信息存储器存满(即l≥L时)， $M_j\left(l\right)=\underset{l^{\&prime;}=l-L+1}{\overset{l}{\mathrm{\&Sigma;}}}(1-r_j\left(l^{\&prime;}\right))\exp (-{\mathrm{\&eta;}}_j(l-l^{\&prime;})),l\&GreaterEqual;L,$ $\&Not;M_j\left(l\right)=\underset{l^{\&prime;}=l-L+1}{\overset{l}{\mathrm{\&Sigma;}}}(1-r_j\left(l^{\&prime;}\right))\exp (-{\mathrm{\&eta;}}_j(l-l^{\&prime;})),l\&GreaterEqual;L.$

其中l′是中间变量；η_j是遗忘因子，η_j∈{η₁，η₂}，η₁和η₂是两个常数，并满足0＜η₁＜η₂＜1，η_j的初值为η₁；exp(·)为指数函数。得到信誉度R_j(l)和信誉度方差Var_j(l)的值后，分别存储信誉度R_j(l)和信誉度方差Var_j(l)到相应的信誉度存储器和信誉度方差存储器中。

b、当l≥2L时，数据融合中心计算各认知无线电用户的信誉度的变化和信誉度方差的变化。具体方法是：

第j个认知无线电用户的在第l次融合时的信誉度变化ΔR_j(l)为：

ΔR_j(l)＝R_j(l)R_j(l-[|(lnξ)/η_j|])                                (4)

第j个认知无线电用户的在第l次融合时的信誉度方差变化ΔVar_j(l)为：

ΔVar_j(l)＝Var_j(l)+Var_j(l-[|(lnξ)/η_j|])                         (5)

其中ξ为事件影响因子，0＜ξ＜0.1，(lnξ)/η_j＜L/2；||是绝对值运算，[]是取整运算。

当l＜2L时不执行步骤b，直接跳转至步骤d。

c、数据融合中心比较各认知无线电用户的信誉度变化和信誉度方差变化并决定是否改变遗忘因子。具体方法：

若

则改变遗忘因子η_j，令η_j＝η₂；若在此后的[|(lnξ)/η_j|]次的融合判决过程中都有

则令η_j＝η₁。

其中ρ是数据融合中心判决认知无线电用户为攻击者的敏感程度，ρ∈{1，2，3}。

d、数据融合中心将各认知无线电用户的信誉度进行归一化计算，得到各认知无线电用户的权重系数，具体方法：

第j个认知无线电用户的在第l次融合时的权重系数w_j(l)为：

$w_j\left(l\right)=\frac{R_j\left(l\right)}{\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{R}_j\left(l\right)}---\left(6\right)$

e、数据融合中心对各认知无线电用户发送的感知结果Y′_j进行线性加权融合，融合结果为V，具体是

$V=\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{w}_j\left(l\right)Y_j^{\&prime;}---\left(7\right)$

步骤(4)数据融合中心按照基于Neyman-Pearson最佳检测理论的判决方法，计算判决门限并作出频谱是否被占用的判决。

f、数据融合中心计算判决门限γ_c，具体方法：

${\mathrm{\&gamma;}}_c=Q^{-1}\left(Q_f\right)\&times;\sqrt{2N\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{w}_j{\left(l\right)}^2{\mathrm{\&sigma;}}_j^4}+N\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{w}_j\left(l\right){\mathrm{\&sigma;}}_j^2---\left(8\right)$

其中Q_f是系统给定的虚警概率，Q^-1是数学统计领域常用的函数Q函数的反函数，Q函数的具体函数形式为

是第j个认知无线电用户的感知信道噪声方差。

g、数据融合中心比较融合结果V和判决门限γ_c，并作出频谱是否被占用的判决，具体方法：

当V≥γ_c时，数据融合中心作出目标频带被主用户占用的判决；

当V＜γ_c时，数据融合中心作出目标频带未被主用户占用的判决。

h、数据融合中心依据各认知无线电用户发送的感知结果Y′_j和频谱判决结果评价认知无线电用户所提供的服务情况，并按照存储规则将服务情况存储到服务信息存储器上。具体方法：

当Y′_j≥V≥γ_c或Y′_j＜V＜γ_c时，数据融合中心认为第j个认知无线电用户提供了一次好的服务，记录r_j(l)＝1到服务信息存储器上；否则数据融合中心认为第j个认知无线电用户提供了一次不好的服务，记录r_j(l)＝0到服务信息存储器上。

本发明方法的优点在于：

(1)本发明方法不需要获得主用户的先验信息，具有较强的通用性和易实施性。

(2)本发明方法通过选择不同的遗忘因子计算信誉度，真实及时地反映认知无线电用户的服务品质，能适应复杂多变的无线环境。

(3)本发明方法能有效地减轻深衰落用户对合作感知性能的影响，有效地抵抗恶意用户的Always Yes、Always No及概率型攻击对合作感知性能的影响。

附图说明

图1为本发明认知无线电网络的网络结构示意图；

图2为本发明认知无线电用户(其中有正常用户及不同类型攻击者)感知目标频段的示意图；

图3为本发明数据融合中心改变计算第j个认知无线电用户信誉度时的遗忘因子的算法流程示意图。

具体实施方式

下面结合附图，进一步说明本发明所提出的安全的频谱感知方法的实施过程。

图1为所示的认知无线电网络示意图。由一个数据融合中心和J个认知无线电用户(包括正常用户和攻击者)构成。各认知无线电用户所接收到的主用户信号相互独立，各认知无线电用户的感知信道噪声均符合均值为0，噪声为

其中j表示第j个认知无线电用户，1≤j≤J。各认知无线电用户通过控制信道和数据融合中心进行消息交互。

本发明所提出的安全合作频谱感知方法具体包括三个步骤，包括认知无线电本地感知频谱使用情况并发送感知结果至数据融合中心，数据融合中心判决频谱使用情况，数据融合中心更新认知无线电的服务信息。

图2所示是认知无线电用户本地感知频谱使用情况的示意图，具体步骤是：

步骤(1)在一次目标频谱感知过程中，每个认知无线电用户独立进行频谱感知，得到本地感知结果Y_j，具体为：

认知无线电用户在每次感知过程中采用能量检测技术进行N(N≥15)次采样，第j个认知无线电用户的第i次采样结果y_j(i)可表示为

$y_j\left(i\right)=\left\{\begin{array}{cc}{n}_j\left(i\right)& H_0\\ s_j\left(i\right)+n_j\left(i\right)& H_1\end{array}\right.---\left(1\right)$

其中s_j(i)表示在一次感知过程中，第j个认知无线电用户在第i次采样时采样得到的主用户信号能量值，n_j(i)表示在一次感知过程中，第j个认知无线电用户在第i次采样主用户信号时的噪声。

独立检测N次后接收到的能量Y_j可表示为

$Y_j=\left\{\begin{array}{cc}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[n_j\left(i\right)\right]}^2& H_0\\ \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{[s_j\left(i\right)+n_j\left(i\right)]}^2& H_1\end{array}\right.---\left(2\right)$

其中N表示认知无线电用户执行一次感知所需的采样次数，1≤i≤N。

由于我们假设了n_j(i)服从均值为0方差为

的高斯分布，从式(2)可知，则

在H₀的假设下服从自由度为N的中心卡方分布，而在H₁的假设下服从自由度为N的非中心卡方分布，非中心参数为λ_j，表示如下：

$\frac{Y_j}{{\mathrm{\&sigma;}}_j^2}~\left\{\begin{array}{cc}{\mathrm{\&chi;}}_N^2& H_0\\ {\mathrm{\&chi;}}_N^2\left({\mathrm{\&lambda;}}_j\right)& H_1\end{array}\right.---\left(3\right)$

其中，λ_j＝Nμ_j，μ_j是第j个认知无线电用户接收信号能量的平均信噪比，可表示为：

${\mathrm{\&mu;}}_j=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left(s_j\left(i\right)\right)}^2/N{\mathrm{\&sigma;}}_j^2---\left(4\right)$

由中心极限定理可知，当采样次数N足够大时，检测统计量可以近似为高斯分布，在实际应用中通常满足该要求。因此，认知无线电用户的感知能量Y_j可近似为高斯分布

$Y_j~\left\{\begin{array}{cc}N(N{\mathrm{\&sigma;}}_j^2,2N{\mathrm{\&sigma;}}_j^4)& H_0\\ N((N+{\mathrm{\&lambda;}}_j){\mathrm{\&sigma;}}_j^2,2(N+2{\mathrm{\&lambda;}}_j){\mathrm{\&sigma;}}_j^4)& H_1\end{array}\right.---\left(5\right)$

步骤(2)第j个认知无线电用户完成本地感知后，将本地感知结果Y_j根据用户类型进行处理，得到感知结果Y′_j，并通过控制信道发送至融合中心。

若认知无线电用户为正常用户，Y′_j＝Y_j。

若认知无线电用户为Always No类型攻击者，则进行本地判决，本地判决结果为Y_j≥γ_j时Y′_j＝Y_j-Δ，本地判决结果为Y_j＜γ_j时Y′_j＝Y_j。

若认知无线电用户为Always Yes类型攻击者，则进行本地判决，本地判决结果为Y_j＜γ_j时Y′_j＝Y_j+Δ，本地判决结果为Y_j≥γ_j时Y′_j＝Y_j。

若认知无线电用户为概率型攻击者，则以概率P_a决定是否发起攻击，若发起攻击，则进行本地判决，本地判决结果为Y_j≥γ_j时Y′_j＝Y_j-Δ，本地判决结果为Y_j＜γ_j时Y′_j＝Y_j+Δ，若不发起攻击，则不进行本地判决，Y′_j＝Y_j。

在进行相应的处理后，认知无线电用户将感知结果Y′_j发送至融合中心。

数据融合中心在收到各认知无线电用户发送的感知结果后，对接收到的感知结果进行融合，并利用融合的结果作出对频谱使用情况的判决，具体步骤是：

步骤(3)数据融合中心在接收到各认知无线电用户的感知结果后，计算每个用户的信誉度和信誉度方差，具体的计算方法是：

第j个认知无线电用户的在第l次融合时的信誉度R_j(l)为：

$R_j\left(l\right)=\frac{M_j\left(l\right)+1}{M_j\left(l\right)+\&Not;M_j\left(l\right)+2}---\left(6\right)$

第j个认知无线电用户的在第l次融合时的信誉度方差Var_j(l)为：

${\mathrm{Var}}_j\left(l\right)=\frac{(M_j\left(l\right)+1)\&times;(\&Not;M_j\left(l\right)+1)}{{(M_j\left(l\right)+\&Not;M_j\left(l\right)+2)}^2\&times;(M_j\left(l\right)+\&Not;M_j\left(l\right)+3)}---\left(7\right)$

其中M_j(l)和

是服务品质因子，根据服务信息存储器中存储的服务信息计算得到的。若当前融合过程为第1次融合(即l＝1，服务信息存储上也未存储任何信息时)，

在服务信息存储器未满时(即l＜L时)，M_j(l)为 $M_j\left(l\right)=\underset{l^{\&prime;}=1}{\overset{l}{\mathrm{\&Sigma;}}}{r}_j\left(l^{\&prime;}\right)\exp (-{\mathrm{\&eta;}}_j(l-l^{\&prime;})),l<L,$

为 $\&Not;M_j\left(l\right)=\underset{l^{\&prime;}=1}{\overset{l}{\mathrm{\&Sigma;}}}(1-r_j\left(l^{\&prime;}\right))\exp (-{\mathrm{\&eta;}}_j(l-l^{\&prime;})),l<L;$ 在服务信息存储器存满时(即l≥L时)，M_j(l)为 $M_j\left(l\right)=\underset{l^{\&prime;}=l-L+1}{\overset{l}{\mathrm{\&Sigma;}}}(1-r_j\left(l^{\&prime;}\right))\exp (-{\mathrm{\&eta;}}_j(l-l^{\&prime;})),l\&GreaterEqual;L,$

为 $\&Not;M_j\left(l\right)=\underset{l^{\&prime;}=l-L+1}{\overset{l}{\mathrm{\&Sigma;}}}(1-r_j\left(l^{\&prime;}\right))\exp (-{\mathrm{\&eta;}}_j(l-l^{\&prime;})),l\&GreaterEqual;L.$

其中l′是中间变量；η_j是遗忘因子，η_j∈{η₁，η₂}，η₁和η₂是两个常数，并满足0＜η₁＜η₂＜1，η_j的初值为η₁；exp(·)为指数函数。得到R_j(l)和Var_j(l)的值后，分别存储R_j(l)和Var_j(l)到相应的信誉度存储器和信誉度方差存储器中。

遗忘因子通过给过去的服务信息乘上一个与时间相关的衰减函数反映信誉度的动态性，使认知无线电用户早期的服务情况占在信誉度中占较小的权重，近期的服务情况占较大的权重，更能反映近期的服务品质。遗忘因子η_j控制着认知无线电用户的历史服务信息的遗忘速度，当η_j＝0时，过去所有的服务信息的重要性都相同，退化到没有增加时间权重的情况；当0＜η_j＜∞时，η_j越大，过去越久的服务信息重要性降低程度越大，系统对真实的服务品质的变化反应越迅速，但同时历史判决信息的信息量损失也越大，η_j越小则反之；当η_j＝∞时，所有历史服务信息权重都衰减为0，无法根据过去的经验进行预测。

步骤(4)当l≥2L时，数据融合中心计算各认知无线电用户的信誉度的变化和信誉度方差的变化，这样做的目的是为了使各认知无线电用户的信誉度能得到稳定，让信誉度反映其真实的服务品质。具体方法是：

第j个认知无线电用户的在第l次融合时的信誉度变化ΔR_j(l)为：

ΔR_j(l)＝R_j(l)-R_j(l-[|(lnξ)/η_j|])                            (8)

第j个认知无线电用户的在第l次融合时的信誉度方差变化ΔVar_j(l)为：

ΔVar_j(l)＝Var_j(l)+Var_j(l-[|(lnξ)/η_j|])                      (9)

其中ξ为事件影响因子，表明第[|(lnξ)/η_j|]次之前的融合过程在当前的融合过程中信誉度计算时所占的比重只有ξ，0＜ξ＜0.1，同时ξ满足(lnξ)/η_j＜L/2；||是绝对值运算，[]是取整运算。

当l＜2L时不执行步骤S4)，直接跳转至步骤S6)。

步骤(5)图3为数据融合中心改变计算第j个认知无线电用户信誉度时的遗忘因子的算法流程示意图。数据融合中心比较各认知无线电用户的信誉度的变化和信誉度方差的变化并决定是否改变遗忘因子。具体方法是：η

若

则改变遗忘因子η_j，令η_j＝η₂；若在此后的[|(lnξ)/η_j|]次的融合判决过程中都有

则令η_j＝η₁。

当第j个认知无线电用户与数据融合中心的交互到达一定次数时，可认为ΔR_j服从高斯分布，当R_j(l)与R_j(l-[|(lnξ)/η_j|])相比没有发生变化时，ΔR_j有P_ρ的概率落在区域

内，ρ表示融合中心判定认知无线电用户为攻击者的敏感程度，ρ∈{1，2，3}，ρ＝1时P_ρ＝68.27％，ρ＝2时P_ρ＝95.45％，ρ＝3时P_ρ＝99.73％；ρ越小，数据融合中心越容易判认知无线电用户为攻击者，但同时发生误判的概率也高。由上可知，当ΔR_j超出了一定范围之后，则很有可能是认知无线电用户当前的服务品质发生了变化，此时应采用较大的遗忘因子，迅速降低过往的判决权重，以反映其真实的服务品质；当ΔR_j持续一段时间未超过所设定的波动范围，则认为可以采用较小的遗忘因子，充分考虑认知无线电过去的服务情况，以降低随机误差。

步骤(6)数据融合中心将各认知无线电用户的信誉度进行归一化计算，得到各认知无线电用户的权重系数，具体是：

第j个认知无线电用户的在第l次融合时的权重系数w_j(l)为：

$w_j\left(l\right)=\frac{R_j\left(l\right)}{\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{R}_j\left(l\right)}---\left(10\right)$

权重系数经过归一化，使得信誉度高的认知无线电用户的感知结果在融合时能占较高比重。

步骤(7)数据融合中心对各认知无线电用户发送的融合感知结果进行线性加权融合，融合结果为V，具体是

$V=\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{w}_j\left(l\right)Y_j^{\&prime;}---\left(11\right)$

由于Y′_j服从高斯分布，可知V也服从高斯分布

$V~\left\{\begin{array}{cc}N(N\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{w}_j\left(l\right){\mathrm{\&sigma;}}_j^2,2N\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{w}_j{\left(l\right)}^2{\mathrm{\&sigma;}}_j^4)& H_0\\ N(\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{w}_j\left(l\right)(N+{\mathrm{\&lambda;}}_j){\mathrm{\&sigma;}}_j^2,2\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{w}_j{\left(l\right)}^2(N+2{\mathrm{\&lambda;}}_j){\mathrm{\&sigma;}}_j^4)& H_1\end{array}\right.---\left(12\right)$

全局虚警概率Q_f为

$Q_f=Q\left(\frac{{\mathrm{\&gamma;}}_c-E\left(V\right|H_0)}{\sqrt{\mathrm{Var}\left(V\right|H_0)}}\right)=Q\left(\frac{{\mathrm{\&gamma;}}_c-N\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{w}_j\left(l\right){\mathrm{\&sigma;}}_j^2}{\sqrt{2N\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{w}_j{\left(l\right)}^2{\mathrm{\&sigma;}}_j^4}}\right)---\left(13\right)$

步骤(8)数据融合中心按照基于Neyman-Pearson最佳检测理论的判决方法，根据公式(9)可计算判决门限γ_c，具体是：

${\mathrm{\&gamma;}}_c=Q^{-1}\left(Q_f\right)\&times;\sqrt{2N\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{w}_j{\left(l\right)}^2{\mathrm{\&sigma;}}_j^4}+N\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{w}_j\left(l\right){\mathrm{\&sigma;}}_j^2---\left(14\right)$

Q^-1是数学统计领域常用的函数Q函数的反函数，Q函数的具体函数形式为 $Q\left(\mathrm{\&theta;}\right)={\&Integral;}_0^{\&infin;}\frac{1}{\sqrt{2\mathrm{\&pi;}}}\exp (-\frac{{\mathrm{\&theta;}}^2}{2})\mathrm{d\&theta;}.$

步骤(9)数据融合中心比较融合结果V和判决门限γ_c，并作出频谱是否被占用的判决，具体是：

当V≥γ_c时，数据融合中心作出目标频带被主用户占用的判决；当V＜γ_c时，数据融合中心作出目标频带未被主用户占用的判决。

步骤(10)数据融合中心依据各认知无线电用户发送感知结果Y_j和频谱判决结果评价认知无线电用户所提供的服务情况，并按照存储规则将服务情况存储到服务信息存储器上。具体是：

当Y′_j≥V≥γ_c或Y′_j＜V＜γ_c时，数据融合中心认为第j个认知无线电用户提供了一次好的服务，记录r_j(l)＝1到服务信息存储器上；否则数据融合中心认为第j个认知无线电用户提供了一次不好的服务，记录r_j(l)＝0到服务信息存储器上。

本发明数据融合中心根据认知无线电用户的感知结果Y′_j和对主用户是否占用频带的判决结果来评价认知无线电用户提供的服务好坏，并将这些评价形成信誉度，通过归一化信誉度得到融合时的权重系数，降低服务品质不佳的认知无线电用户的在融合时的重要性，以达到提高合作感知性能目的。

本发明中，每个认知无线电用户使用能量检测技术对目标频段进行频谱感知得到本地感知结果Y_j，并根据用户类型进行处理得到感知结果Y′_j，并通过控制信道将感知结果Y′_j发送至数据融合中心；数据融合中心收集到各个认知无线电用户的感知结果Y′_j后，对收集到的感知结果Y′_j进行融合，并根据融合结果做出主用户是否占用目标频段的判决，得到合作感知的判决结果。

本发明中，数据融合中心根据第l次融合时认知无线电用户的本地频谱感知结果、数据融合中心对频谱使用情况的判决信息及对各认知无线电用户的本地感知结果Y_j融合后的融合结果，得到认知无线电用户在第l次融合时提供的服务情况，用r_j(l)表示第j个认知无线电用户在第l次融合时提供的服务好坏，r_j(l)＝1表示第j个认知无线电用户在第l次融合时提供了一次好的服务，r_j(l)＝0表示第j个认知无线电用户在第l次融合时提供了一次不好的服务。

本发明中，数据融合中心处为每个认知无线电用户设置长度为L的服务信息存储器来记录每个认知无线电用户的历史服务情况，同时分别设置长度为L的信誉度存储器和信誉度方差存储器来记录每个认知无线电用户的信誉度和信誉度方差。所述的服务信息存储器是一个环状存储器，存储器未满时按照时间顺序存储历史服务信息，当存储器存满时按照先入先出的原则删除最旧的服务信息，同时存储最新的服务信息，存储器指针总是指向最新的服务信息。所述的信誉度用于表示认知无线电用户的服务品质，所述的信誉度方差用于表示认知无线电用户的服务品质的波动，信誉度和信誉度方差都是数据融合中心根据服务信息存储器中所存储的服务信息进行一定的处理得到的，信誉度存储器和信誉度方差存储器的存储方式均和服务信息存储器的存储方式一样。

本发明中，数据融合中心收到各个认知无线电用户发送的感知结果Y′_j后进行基于信誉度的线性加权融合。数据融合中心根据融合结果做出对频谱使用情况的判决，判决过程符合传统的二元假设模型，H₁和H₀分别表示主用户占用目标频段的假设和没有占用目标频段的假设，数据融合中心对频谱使用情况的判决，就是判断当前是H₁假设成立还是H₀假设成立。数据中心对频谱使用情况的判决采用基于Neyman-Pearson最佳检测理论的判决方法，具体是在固定虚警概率的情况下，求出最优的判决门限，根据该最优判决门限进行判决，使得检测概率最大化。

Claims (1)

1.一种抵抗感知数据错误化攻击的安全合作频谱感知方法，其特征在于该方法包括以下步骤：

步骤(1)认知无线电用户感知目标频带使用情况，具体方法：在一次感知过程中，各认知无线电用户采用现有的能量检测技术独立地感知目标频带上主用户的信号能量，得到本地感知结果Y_j，其中下标j表示第j个认知无线电用户；

$Y_j=\left\{\begin{array}{cc}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[n_j\left(i\right)\right]}^2& H_0\\ \underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{[s_j\left(i\right)+n_j\left(i\right)]}^2& H_1\end{array}\right.---\left(1\right)$

其中s_j(i)表示在一次感知过程中，第j个认知无线电用户在第i次采样时得到的主用户信号能量值，n_j(i)表示在一次感知过程中，第j个认知无线电用户在第i次采样主用户信号时的噪声，N表示认知无线电用户执行一次感知所需的采样次数；1≤i≤N，1≤j≤J，N≥15，J表示参与合作感知的认知无线电用户的数量；

步骤(2)认知无线电用户在得到本地感知结果Y_j后，根据认知无线电用户类型对本地感知结果Y_j进行处理，得到感知结果Y_j'，并通过控制信道发送感知结果Y_j'至数据融合中心，具体方法：

若认知无线电用户为正常用户，Y_j'=Y_j；

若认知无线电用户为Always No类型攻击者，则进行本地判决，本地判决结果为Y_j≥γ_j时Y_j'=Y_j-Δ，本地判决结果为Y_j<γ_j时Y_j'=Y_j；

若认知无线电用户为Always Yes类型攻击者，则进行本地判决，本地判决结果为Y_j<γ_j时Y_j'=Y_j+Δ，本地判决结果为Y_j≥γ_j时Y_j'=Y_j；

若认知无线电用户为概率型攻击者，则以概率P_a决定是否发起攻击，若发起攻击，则进行本地判决，本地判决结果为Y_j≥γ_j时Y_j'=Y_j-Δ，本地判决结果为Y_j<γ_j时Y_j'=Y_j+Δ，若不发起攻击，则不进行本地判决，Y_j'=Y_j；在进行相应的处理后，各认知无线电用户将感知结果Y_j'发送至数据融合中心；

其中γ_j为认知无线电用户判决主用户是否占用频谱的判决门限经验值，Δ是攻击强度，Δ<γ_j，概率P_a是一个常数；

步骤(3)数据融合中心在收到各认知无线电用户发送的感知结果Y_j'后，对接收到的感知结果Y_j'进行融合，并利用融合的结果对频谱使用情况进行判决，具体方法：

a、数据融合中心在接收到各认知无线电用户的感知结果Y_j'后，计算每个用户的信誉度和信誉度方差，具体计算方法：

第j个认知无线电用户的在第l次融合时的信誉度R_j(l)为：

$R_j\left(l\right)\text{=}\frac{M_j\left(l\right)+1}{M_j\left(l\right)+\&Not;M_j\left(l\right)+2}---\left(2\right)$

第j个认知无线电用户的在第l次融合时的信誉度方差Var_j(l)为：

${\mathrm{Var}}_j\left(l\right)=\frac{(M_j\left(l\right)+1)\&times;(\&Not;M_j\left(l\right)+1)}{{(M_j\left(l\right)+\&Not;M_j\left(l\right)+2)}^2\&times;(M_j\left(l\right)+\&Not;M_j\left(l\right)+3)}---\left(3\right)$

其中M_j(l)和

是服务品质因子，根据服务信息存储器中存储的服务信息计算得到的；

若当前融合过程为第1次融合，即l=1，服务信息存储器上也未存储任何信息时， $M_j\left(l\right)=\&Not;M_j\left(l\right)=0;$

若服务信息存储器未满，即l<L时，

$\begin{array}{c}{M}_j\left(l\right)=\underset{l^{\&prime;}=1}{\overset{l}{\mathrm{\&Sigma;}}}{r}_j\left(l^{\&prime;}\right)\exp (-{\mathrm{\&eta;}}_j(l-l^{\&prime;})),l<L,\\ \&Not;M_j\left(l\right)=\underset{l^{\&prime;}=1}{\overset{l}{\mathrm{\&Sigma;}}}(1-r_j\left(l^{\&prime;}\right))\exp (-{\mathrm{\&eta;}}_j(l-l^{\&prime;})),l<L;\end{array}$

若服务信息存储器存满，即l≥L时，

$\begin{array}{c}{M}_j\left(l\right)=\underset{l^{\&prime;}=l-L+1}{\overset{l}{\mathrm{\&Sigma;}}}(1-r_j\left(l^{\&prime;}\right))\exp (-{\mathrm{\&eta;}}_j(l-l^{\&prime;})),l\&GreaterEqual;L,\\ \&Not;M_j\left(l\right)=\underset{l^{\&prime;}=l-L+1}{\overset{l}{\mathrm{\&Sigma;}}}(1-r_j\left(l^{\&prime;}\right))\exp (-{\mathrm{\&eta;}}_j(l-l^{\&prime;})),l\&GreaterEqual;L;\end{array}$

其中l'是中间变量；η_j是遗忘因子，η_j∈{η₁,η₂}，η₁和η₂是两个常数，并满足0<η₁<η₂<1，η_j的初值为η₁；exp(·)为指数函数；得到信誉度R_j(l)和信誉度方差Var_j(l)的值后，分别存储信誉度R_j(l)和信誉度方差Var_j(l)到相应的信誉度存储器和信誉度方差存储器中；

b、当l≥2L时，顺序执行，当l<2L时直接跳转至步骤d；

据数据融合中心计算各认知无线电用户的信誉度的变化和信誉度方差的变化；具体方法是：

第j个认知无线电用户的在第l次融合时的信誉度变化ΔR_j(l)为：

ΔR_j(l)=R_j(l)-R_j(l-[|(lnξ)/η_j|])     (4)

第j个认知无线电用户的在第l次融合时的信誉度方差变化ΔVar_j(l)为：

ΔVar_j(l)=Var_j(l)+Var_j(l-[|(lnξ)/η_j|])         (5)

其中ξ为事件影响因子，0<ξ<0.1，(lnξ)/η_j<L/2；||是绝对值运算，[]是取整运算；

c、数据融合中心比较各认知无线电用户的信誉度变化和信誉度方差变化并决定是否改变遗忘因子；具体方法：

若

则改变遗忘因子η_j，令η_j=η₂；若在此后的[|(lnξ)/η_j|]次的融合判决过程中都有

则令η_j=η₁；

其中ρ是数据融合中心判决认知无线电用户为攻击者的敏感程度，ρ∈{1,2,3}；

d、数据融合中心将各认知无线电用户的信誉度进行归一化计算，得到各认知无线电用户的权重系数，具体方法：

第j个认知无线电用户的在第l次融合时的权重系数w_j(l)为：

$w_j\left(l\right)=\frac{R_j\left(l\right)}{\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{R}_j\left(l\right)}---\left(6\right)$

e、数据融合中心对各认知无线电用户发送的感知结果Y_j'进行线性加权融合，融合结果为V，具体是

$V=\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{w}_j\left(l\right){Y_j}^{\&prime;}---\left(7\right)$

步骤(4)数据融合中心按照基于Neyman-Pearson最佳检测理论的判决方法，计算判决门限并作出频谱是否被占用的判决；

f、数据融合中心计算判决门限γ_c，具体方法：

${\mathrm{\&gamma;}}_c=Q^{-1}\left(Q_f\right)\&times;\sqrt{2N\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{w}_j{\left(l\right)}^2{\mathrm{\&sigma;}}_j^4}+N\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{w}_j\left(l\right){\mathrm{\&sigma;}}_j^2---\left(8\right)$

其中Q_f是系统给定的虚警概率，Q^-1是数学统计领域常用的函数Q函数的反函数，Q函数的具体函数形式为是第j个认知无线电用户的感知信道噪声方差；

g、数据融合中心比较融合结果V和判决门限γ_c，并作出频谱是否被占用的判决，具体方法：

当V≥γ_c时，数据融合中心作出目标频带被主用户占用的判决；

当V<γ_c时，数据融合中心作出目标频带未被主用户占用的判决；

h、数据融合中心依据各认知无线电用户发送的感知结果Y_j'和频谱判决结果评价认知无线电用户所提供的服务情况，并按照存储规则将服务情况存储到服务信息存储器上；具体方法：

当Y_j'≥V≥γ_c或Y_j'<V<γ_c时，数据融合中心认为第j个认知无线电用户提供了一次好的服务，记录r_j(l)=1到服务信息存储器上；否则数据融合中心认为第j个认知无线电用户提供了一次不好的服务，记录r_j(l)=0到服务信息存储器上。

Images