CN106851538A - 一种抗ssdf的协作频谱感知方法 - Google Patents
一种抗ssdf的协作频谱感知方法 Download PDFInfo
- Publication number
- CN106851538A CN106851538A CN201710054155.7A CN201710054155A CN106851538A CN 106851538 A CN106851538 A CN 106851538A CN 201710054155 A CN201710054155 A CN 201710054155A CN 106851538 A CN106851538 A CN 106851538A
- Authority
- CN
- China
- Prior art keywords
- data
- node
- ssdf
- spectrum sensing
- representing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000002159 abnormal effect Effects 0.000 claims abstract description 43
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 238000012937 correction Methods 0.000 claims abstract description 6
- 230000001149 cognitive effect Effects 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 5
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 15
- 230000004927 fusion Effects 0.000 description 7
- 230000008447 perception Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 238000005242 forging Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 230000003472 neutralizing effect Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种抗SSDF的协作频谱感知方法,其中,所述方法包括:根据各个节点在第一预设时刻的第一数据集以及各个节点在第二预设时刻的第二数据集,检测各个节点中存在的异常数据;计算正常节点中数据的变化趋势参数,并根据所述变化趋势参数对存在异常数据的节点进行数据纠正;根据正常节点的数据以及纠正后的数据,通过检测各个节点接收到的采样信号以及输出的能量大小,探测预设信道是否存在主用户。本发明提供的一种抗SSDF的协作频谱感知方法及装置,能够提高异常数据的检测效率并且能够精确地对异常数据进行纠正。
Description
技术领域
本发明属于频谱感知技术领域,涉及一种抗SSDF的协作频谱感知方法。
背景技术
微电子、计算机通信和无线电技术的迅速发展以及物联网、移动互联网的广泛应用,不断消耗着日益紧缺的频谱资源。认知无线电的出现,有效地缓解了频谱资源稀缺与日益增长的无线接入需求之间的矛盾,因而得到了频谱资源管理部门、标准化组织、研究机构及行业联盟的广泛关注,成为下一代无线通信发展的关键技术之一。
频谱感知是认知无线电技术的首要环节,感知性能的好坏会影响到整个认知无线电系统的性能。所谓频谱感知,就是在时域、频域和空域多维空间,对分配给授权用户(也称主用户)的频谱不断进行感知,发现“频谱空洞”。认知用户可以临时使用频谱空洞,但不能对主用户形成干扰,主用户具有频谱空洞使用的优先权。由于阴影效应和多径衰落等因素的存在,单个认知用户得出的频谱感知结果往往不可靠,并可能导致所谓的“终端隐藏问题”。于是,一些研究者提出了协作频谱感知技术,通过多个认知用户感知数据的融合来消除单个用户感知的不确定性,实现更好的频谱感知性能。
协作频谱感知的特点是多个认知用户共同协商确定频谱的使用情况,数据融合中心通过对多个认知用户感知数据的协同处理来提高频谱感知的精确性。但是,这种特点使协作频谱感知技术收益与风险并存,面临严重的安全问题。一般来说,恶意用户可以通过伪造、欺骗、泛洪和团伙合作等方式影响频谱感知过程,使数据融合中心得到错误的感知数据和指令。一旦输入的感知数据是伪造的,认知无线电系统就不能如实地根据外界环境进行动态的频谱切换,信道分配就会被攻击者控制利用。这种将伪造的感知数据发送给数据融合中心以干扰数据融合中心正常工作的攻击方式就是频谱感知数据伪造(spectrumsensing datafalsification,SSDF)攻击。
防御SSDF攻击,确保协作频谱感知的顽健性,是认知无线电技术健康稳定发展的关键。目前,国内外对SSDF攻击的研究虽然还处于起步阶段,但已有不少文献分析了SSDF攻击的类型并提出了有关SSDF攻击的防御对策。本发明在此基础上进一步针对目前相关研究中存在的问题,明确了一些有待继续研究的方向。
在抗SSF算法过程中,主要有异常数据检测和异常数据处理两个阶段。而目前的技术在每一个阶段都有些许不足。
在异常数据的检测算法中,主要采取的是数据挖掘中的离群值检测算法。大概思路是根据各个节点感知数据的相似性,通过各种估值算法(比如MCD,MVD,SDE等)计算出数据集U={ui||i=1,2,...n}的均值μ和方差σ2。其中,ui表示感知节点发送给融合中心的具体数据,n表示感知节点个数。然后通过偏离程度来判定异常数据。
以上判断异常数据的思路固然可行,但是在异常数据较多以及异常数据偏离程度足够大的情况下。不论再好的估值算法,都难以保证其算法具有更好的鲁棒性。而且,以上的估值算法本身就具有足够高的算法复杂度。这对传感器硬件方面来说,又是一个不小的挑战。
在异常数据处理方面,以往文献提到的异常数据处理方法一般有三种。第一种就是直接将数据删除。这种方法最简单,但是由于缺少了部分节点的数据,势必影响整个感知结果的判断。第二种则是将异常数据去掉,然后采用整个数据集的平均值去代替。这种方法虽然比第一种更好,但是同样抹掉了不同节点数据之间的差异性,也同样影响结果的判断。第三种则是按照某种方法,给不同数据赋予不同的权值,以达到“中和”异常数据的效果。这种方法在抗SSDF攻击中比较常见。但是,在加权的过程中也同样保留了异常数据的部分属性。而且加权后的数据大小也不一定和和正常数据大小差不多。不仅如此,在异常数据严重偏离平均值的情况下,加权的效果就要脆弱很多。
发明内容
有鉴于此,本发明的目的在于提供一种抗SSDF的协作频谱感知方法,能够提高异常数据的检测效率并且能够精确地对异常数据进行纠正。
为达到上述目的,本发明提供如下技术方案:
一种抗SSDF的协作频谱感知方法,所述方法包括:
根据各个节点在第一预设时刻的第一数据集以及各个节点在第二预设时刻的第二数据集,检测各个节点中存在的异常数据;
计算正常节点中数据的变化趋势参数,并根据所述变化趋势参数对存在异常数据的节点进行数据纠正;
根据正常节点的数据以及纠正后的数据,通过检测各个节点接收到的采样信号以及输出的能量大小,探测预设信道是否存在主用户。
进一步地,检测各个节点中存在的异常数据具体包括:
根据下述公式计算各个节点中的数据对应的判定系数:
其中,表示第m个节点在第二预设时刻的数据对应的判定系数,t表示所述第一预设时刻,t+1表示所述第二预设时刻,表示第m个节点在第一预设时刻的数据,表示第m个节点在第二预设时刻的数据,η表示预设阈值;
当大于1时,判定为异常数据。
进一步地,按照下述公式计算正常节点中数据的变化趋势参数:
其中,Lt表示在t时刻正常节点中数据的变化趋势参数,表示在t时刻第k个正常节点的变化趋势参数,Z表示正常节点的集合,z表示正常节点的数量。
进一步地,按照下述公式确定在t时刻第k个正常节点的变化趋势参数:
其中,表示第k个正常节点在t+1时刻的数据,表示第k个正常节点在t时刻的数据。
进一步地,按照下述公式对存在异常数据的节点进行数据纠正:
其中,表示第m个节点在第二预设时刻纠正后的数据。
进一步地,按照下述模型探测预设信道是否存在主用户:
其中,r(t)是认知用户接收到的信号,P0(t)是主用户传输的信号,n(t)是加性高斯白噪声,h(t)是主用户和次用户之间的信道增益;H0是未被占用的假设,表明目前在频段上没有主用户;H1是被占用的假设,表明目前在所述频段上存在主用户。
进一步地,所述未被占用的假设和被占用的假设根据下述公式确定:
其中,y表示单个节点在t时刻输出的能量大小,N表示时间带宽积,η表示预设阈值,D表示探测结果;上式表明:当输出的能量大小大于或者等于所述预设阈值时,探测结果为被占用,当输出的能量大小小于所述预设阈值时,探测结果为未被占用。
进一步地,所述方法还包括:
按照下述公式确定单个认知用户的探测概率和虚警概率:
其中,
其中,γ是信噪比,Iu-1(.)是u-1阶第一类修正的Bessel函数,Γ(.)和Γ(.,.)分别是完整和不完整的Gamma函数,Qm(.)是普遍MarcumQ函数,Pd表示单个认知用户的探测概率,Pf表示单个探测用户的虚警概率。
本发明还提供了一种抗SSDF的协作频谱感知系统,该系统包括:
异常数据检测单元,用于根据各个节点在第一预设时刻的第一数据集以及各个节点在第二预设时刻的第二数据集,检测各个节点中存在的异常数据;
数据纠正单元,用于计算正常节点中数据的变化趋势参数,并根据所述变化趋势参数对存在异常数据的节点进行数据纠正;
主用户探测单元,用于根据正常节点的数据以及纠正后的数据,通过检测各个节点接收到的采样信号以及输出的能量大小,探测预设信道是否存在主用户。
进一步地,所述异常数据检测单元具体包括:
判定系数计算模块,用于根据下述公式计算各个节点中的数据对应的判定系数:
其中,表示第m个节点在第二预设时刻的数据对应的判定系数,t表示所述第一预设时刻,t+1表示所述第二预设时刻,表示第m个节点在第一预设时刻的数据,表示第m个节点在第二预设时刻的数据,η表示预设阈值;
判定模块,用于当大于1时,判定为异常数据。
本发明的有益效果在于:
本发明提供的抗SSDF的协作频谱感知方法,相比以往通过估计均值来判别异常数据的方式更加简便、高效。而且算法复杂度低,对传感器节点的硬件要求也很低,降低了硬件成本。
本发明完全摒弃了以往通过加权来处理异常数据的方法。本发明为异常数据的处理方法提供了一个的良好思路。
在应对的攻击模型上,本发明适应实际生活普遍遇到的攻击模型。该算法更具有实际意义。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本申请实施方式中抗SSDF的协作频谱感知方法流程图;
图2为本申请实施方式中抗SSDF的协作频谱感知系统的结构示意图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
请参阅图1,本申请提供一种抗SSDF的协作频谱感知方法,所述方法包括:
S1:根据各个节点在第一预设时刻的第一数据集以及各个节点在第二预设时刻的第二数据集,检测各个节点中存在的异常数据;
S2:计算正常节点中数据的变化趋势参数,并根据所述变化趋势参数对存在异常数据的节点进行数据纠正;
S3:根据正常节点的数据以及纠正后的数据,通过检测各个节点接收到的采样信号以及输出的能量大小,探测预设信道是否存在主用户。
在本实施方式中,频谱感知技术主要用来探测某个信道是否被主用户采用。检测模型可以采用二元假设的问题来描述:
其中,r(t)是认知用户接收到的信号,P0(t)是主用户传输的信号,n(t)是加性高斯白噪声,h(t)是主用户和次用户之间的信道增益;H0是未被占用的假设,表明目前在频段上没有主用户;H1是被占用的假设,表明目前在所述频段上存在主用户。
在单个节点的频谱感知方面,目前主要有三种感知技术:匹配滤波检测技术,周期特征检测技术,能量检测技术。相比其他技术,能量检测技术不需要主信号的先验知识,而且计算复杂度低,因此应用最广泛。所述未被占用的假设和被占用的假设根据下述公式确定:
其中,y表示单个节点在t时刻输出的能量大小,N表示时间带宽积,η表示预设阈值,D表示探测结果;上式表明:当输出的能量大小大于或者等于所述预设阈值时,探测结果为被占用,当输出的能量大小小于所述预设阈值时,探测结果为未被占用。
能量检测在非衰落环境中,单认知用户探测概率和虚警概率分别为:
其中,
其中,γ是信噪比,Iu-1(.)是u-1阶第一类修正的Bessel函数,Γ(.)和Γ(.,.)分别是完整和不完整的Gamma函数,Qm(.)是普遍MarcumQ函数,Pd表示单个认知用户的探测概率,Pf表示单个探测用户的虚警概率。
探测概率Pd表示授权用户在使用频谱时被次级用户正确检测到的概率,虚警概率Pf表示授权用户不在使用此频谱而次级用户却感知到授权用户在使用此频段的概率。一般来说,低的虚警概率和高的探测概率是频谱感知所追求的目标。虚警报能够保证频谱空洞不被次级用户占用,但是也因此降低了频谱的利用率。而高的主信号检测率能够保证主信号不被干扰。
在本实施方式中,可以考虑集中式协作频谱感知模型。在感知节点中,有一小部分的攻击节点独立地以一定概率发送错误信息。
恶意用户伪造感知数据的具体操作和手段,包括以下5种。
1、全“1”攻击:在协作频谱感知中,“1”表示感知数据中的主用户信号存在,“0”表示主用户信号不存在。恶意用户伪造全“1”形式的感知数据,使认知无线电系统认为主用户一直处于“繁忙”状态。
2、全“0”攻击:恶意用户伪造全“0”形式的感知数据,使认知无线电系统认为主用户一直处于“空闲”状态。
3、取反攻击:恶意用户伪造与主用户实际频谱使用状态相反的感知数据。
4、随机攻击:恶意用户不经过对主用户频谱使用状态的感知,随机伪造一个感知数据提交给数据融合中心。
5、拒绝感知攻击:恶意用户煽动参与协作感知的认知用户拒绝提交感知数据。
本发明不仅仅能适应普遍论文假设的全“1”攻击、全“0”攻击、取反攻击,更能适应比较复杂且更贴近现实的随机攻击。
尽管不同节点感知到的数据因为环境等原因会有所不同,但是由于感知信道的状态在感知时间内没有变化。所以各个感知节点的感知数据在感知过程中的变化趋势都不会有太大的差异,而如果某个节点数据相对其他节点数据出现明显不同的变化趋势,则说明该节点数据为异常数据。
在检测各个节点中存在的异常数据时,可以根据下述公式计算各个节点中的数据对应的判定系数:
其中,表示第m个节点在第二预设时刻的数据对应的判定系数,t表示所述第一预设时刻,t+1表示所述第二预设时刻,表示第m个节点在第一预设时刻的数据,表示第m个节点在第二预设时刻的数据,η表示预设阈值;
当大于1时,判定为异常数据。
在本实施方式中,根据空间相关性,各个感知节点的感知数据都具有相似的变化趋势。可以通过计算得出正常节点数据的变化趋势,再通过此趋势推断出攻击节点应该发送的正常数据,以此来达到融合判决的要求。具体地,可以按照下述公式计算正常节点中数据的变化趋势参数:
其中,Lt表示在t时刻正常节点中数据的变化趋势参数,表示在t时刻第k个正常节点的变化趋势参数,Z表示正常节点的集合,z表示正常节点的数量。
其中,可以按照下述公式确定在t时刻第k个正常节点的变化趋势参数:
其中,表示第k个正常节点在t+1时刻的数据,表示第k个正常节点在t时刻的数据。
在本实施方式中,可以按照下述公式对存在异常数据的节点进行数据纠正:
其中,表示第m个节点在第二预设时刻纠正后的数据。
最后,根据正常节点数据集和纠正后数据,可以判定主用户是否存在。
请参阅图2,本申请实施方式还提供一种抗SSDF的协作频谱感知装置,所述装置包括:
异常数据检测单元100,用于根据各个节点在第一预设时刻的第一数据集以及各个节点在第二预设时刻的第二数据集,检测各个节点中存在的异常数据;
数据纠正单元200,用于计算正常节点中数据的变化趋势参数,并根据所述变化趋势参数对存在异常数据的节点进行数据纠正;
主用户探测单元300,用于根据正常节点的数据以及纠正后的数据,通过检测各个节点接收到的采样信号以及输出的能量大小,探测预设信道是否存在主用户。
进一步地,所述异常数据检测单元100具体包括:
判定系数计算模块,用于根据下述公式计算各个节点中的数据对应的判定系数:
其中,表示第m个节点在第二预设时刻的数据对应的判定系数,t表示所述第一预设时刻,t+1表示所述第二预设时刻,表示第m个节点在第一预设时刻的数据,表示第m个节点在第二预设时刻的数据,η表示预设阈值;
判定模块,用于当大于1时,判定为异常数据。
本发明的有益效果在于:
本发明提供的抗SSDF的协作频谱感知方法及装置,相比以往通过估计均值来判别异常数据的方式更加简便、高效。而且算法复杂度低,对传感器节点的硬件要求也很低,降低了硬件成本。
本发明完全摒弃了以往通过加权来处理异常数据的方法。本发明为异常数据的处理方法提供了一个的良好思路。
在应对的攻击模型上,本发明适应实际生活普遍遇到的攻击模型。该算法更具有实际意义。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (8)
1.一种抗SSDF的协作频谱感知方法,其特征在于,所述方法包括:
根据各个节点在第一预设时刻的第一数据集以及各个节点在第二预设时刻的第二数据集,检测各个节点中存在的异常数据;
计算正常节点中数据的变化趋势参数,并根据所述变化趋势参数对存在异常数据的节点进行数据纠正;
根据正常节点的数据以及纠正后的数据,通过检测各个节点接收到的采样信号以及输出的能量大小,探测预设信道是否存在主用户。
2.根据权利要求1所述的抗SSDF的协作频谱感知方法,其特征在于,检测各个节点中存在的异常数据具体包括:
根据下述公式计算各个节点中的数据对应的判定系数:
其中,表示第m个节点在第二预设时刻的数据对应的判定系数,t表示所述第一预设时刻,t+1表示所述第二预设时刻,表示第m个节点在第一预设时刻的数据,表示第m个节点在第二预设时刻的数据,η表示预设阈值;
当大于1时,判定为异常数据。
3.根据权利要求2所述的抗SSDF的协作频谱感知方法,其特征在于,按照下述公式计算正常节点中数据的变化趋势参数:
其中,Lt表示在t时刻正常节点中数据的变化趋势参数,表示在t时刻第k个正常节点的变化趋势参数,Z表示正常节点的集合,z表示正常节点的数量。
4.根据权利要求3所述的抗SSDF的协作频谱感知方法,其特征在于,按照下述公式确定在t时刻第k个正常节点的变化趋势参数:
其中,表示第k个正常节点在t+1时刻的数据,表示第k个正常节点在t时刻的数据。
5.根据权利要求4所述的抗SSDF的协作频谱感知方法,其特征在于,按照下述公式对存在异常数据的节点进行数据纠正:
其中,表示第m个节点在第二预设时刻纠正后的数据。
6.根据权利要求1所述的抗SSDF的协作频谱感知方法,其特征在于,按照下述模型探测预设信道是否存在主用户:
其中,r(t)是认知用户接收到的信号,P0(t)是主用户传输的信号,n(t)是加性高斯白噪声,h(t)是主用户和次用户之间的信道增益;H0是未被占用的假设,表明目前在频段上没有主用户;H1是被占用的假设,表明目前在所述频段上存在主用户。
7.根据权利要求6所述的抗SSDF的协作频谱感知方法,其特征在于,所述未被占用的假设和被占用的假设根据下述公式确定:
其中,y表示单个节点在t时刻输出的能量大小,N表示时间带宽积,η表示预设阈值,D表示探测结果;上式表明:当输出的能量大小大于或者等于所述预设阈值时,探测结果为被占用,当输出的能量大小小于所述预设阈值时,探测结果为未被占用。
8.根据权利要求7所述的抗SSDF的协作频谱感知方法,其特征在于,所述方法还包括:
按照下述公式确定单个认知用户的探测概率和虚警概率:
其中,
其中,γ是信噪比,Iu-1(.)是u-1阶第一类修正的Bessel函数,Γ(.)和Γ(.,.)分别是完整和不完整的Gamma函数,Qm(.)是普遍MarcumQ函数,Pd表示单个认知用户的探测概率,Pf表示单个探测用户的虚警概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710054155.7A CN106851538B (zh) | 2017-01-23 | 2017-01-23 | 一种抗ssdf的协作频谱感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710054155.7A CN106851538B (zh) | 2017-01-23 | 2017-01-23 | 一种抗ssdf的协作频谱感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106851538A true CN106851538A (zh) | 2017-06-13 |
CN106851538B CN106851538B (zh) | 2020-03-31 |
Family
ID=59120435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710054155.7A Active CN106851538B (zh) | 2017-01-23 | 2017-01-23 | 一种抗ssdf的协作频谱感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106851538B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111193564A (zh) * | 2019-12-25 | 2020-05-22 | 南京工业大学 | 抗御智能ssdf攻击的宽带加权协作频谱感知算法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101399564A (zh) * | 2008-10-27 | 2009-04-01 | 重庆邮电大学 | 一种感知无线电中空闲频谱的双次协作检测方法 |
US20090124207A1 (en) * | 2007-11-09 | 2009-05-14 | Bae Systems Information And Electronic Systems Integration Inc. | Protocol Reference Model, Security and Inter-Operability in a Cognitive Communications System |
US20100069013A1 (en) * | 2008-09-17 | 2010-03-18 | Motorola, Inc. | Method and apparatus for distributed sensing management and control within a cognitive radio network |
CN103841566A (zh) * | 2014-03-25 | 2014-06-04 | 哈尔滨工业大学 | 移动模型下存在恶意用户攻击的基于d-s证据理论的协作频谱感知方法 |
CN104618908A (zh) * | 2014-12-31 | 2015-05-13 | 重庆邮电大学 | 分布式认知无线网络对抗篡改感知数据攻击的方法和装置 |
CN106301627A (zh) * | 2015-06-01 | 2017-01-04 | 中国科学院上海微系统与信息技术研究所 | 一种认知自组织网络中分布式协作频谱感知方法 |
-
2017
- 2017-01-23 CN CN201710054155.7A patent/CN106851538B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090124207A1 (en) * | 2007-11-09 | 2009-05-14 | Bae Systems Information And Electronic Systems Integration Inc. | Protocol Reference Model, Security and Inter-Operability in a Cognitive Communications System |
US20100069013A1 (en) * | 2008-09-17 | 2010-03-18 | Motorola, Inc. | Method and apparatus for distributed sensing management and control within a cognitive radio network |
CN101399564A (zh) * | 2008-10-27 | 2009-04-01 | 重庆邮电大学 | 一种感知无线电中空闲频谱的双次协作检测方法 |
CN103841566A (zh) * | 2014-03-25 | 2014-06-04 | 哈尔滨工业大学 | 移动模型下存在恶意用户攻击的基于d-s证据理论的协作频谱感知方法 |
CN104618908A (zh) * | 2014-12-31 | 2015-05-13 | 重庆邮电大学 | 分布式认知无线网络对抗篡改感知数据攻击的方法和装置 |
CN106301627A (zh) * | 2015-06-01 | 2017-01-04 | 中国科学院上海微系统与信息技术研究所 | 一种认知自组织网络中分布式协作频谱感知方法 |
Non-Patent Citations (1)
Title |
---|
姚刚等: ""可防御SSDF攻击的宽带压缩频谱感知"", 《信号处理》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111193564A (zh) * | 2019-12-25 | 2020-05-22 | 南京工业大学 | 抗御智能ssdf攻击的宽带加权协作频谱感知算法 |
Also Published As
Publication number | Publication date |
---|---|
CN106851538B (zh) | 2020-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Verma et al. | ELNIDS: Ensemble learning based network intrusion detection system for RPL based Internet of Things | |
CN102802158B (zh) | 基于信任评估的无线传感器网络异常检测方法 | |
CN104038296B (zh) | 一种认知无线电网络的协作频谱检测方法 | |
EP3820108B1 (en) | Security detection method, apparatus and device | |
CN103338451A (zh) | 一种无线传感器网络中分布式的恶意节点检测方法 | |
CN110649982B (zh) | 基于次用户节点选择的双阈值能量检测方法 | |
Liu et al. | The communication relationship discovery based on the spectrum monitoring data by improved DBSCAN | |
CN103401878B (zh) | 频谱感知数据篡改攻击检测方法 | |
CN101754234B (zh) | 基于马尔科夫链和载波侦听多路访问的机会频谱接入方法 | |
Karapistoli et al. | Srnet: a real-time, cross-based anomaly detection and visualization system for wireless sensor networks | |
Galtier et al. | A PSD-based fingerprinting approach to detect IoT device spoofing | |
Boudargham et al. | Toward fast and accurate emergency cases detection in BSNs | |
CN106851538B (zh) | 一种抗ssdf的协作频谱感知方法 | |
JP7253286B2 (ja) | 変調信号の周期的自己相関関数の対称なピーク値に基づくスペクトル検知方法 | |
CN105429913A (zh) | 基于特征值的多电平检测与识别方法 | |
Wu et al. | Abnormal information identification and elimination in cognitive networks | |
Huang et al. | EasiPLED: Discriminating the causes of packet losses and errors in indoor WSNs | |
Cai et al. | Decoupling trust and wireless channel induced effects on collaborative sensing attacks | |
Shafi et al. | Intelligent trust ranking security preserving model for B5G/6G | |
CN116248208A (zh) | 一种基于协同感知动态频谱切换的干扰规避方法及系统 | |
US20200322796A1 (en) | Smoothing technology-based blind authentication method and system for frequency selective fading channel | |
CN105743594B (zh) | 一种认知无线电系统中基于用户间协作的主用户仿冒攻击检测方法 | |
CN108616318B (zh) | 一种安全频谱感知方法 | |
CN107623553B (zh) | 一种基于可靠评估标准的稳健协同频谱感知方法 | |
Huang et al. | An effective discriminator for differentiating the root causes of packet transmission failures in indoor WSNs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |