CN107454598B - 一种基于i/q不平衡的主用户仿真攻击检测方法 - Google Patents
一种基于i/q不平衡的主用户仿真攻击检测方法 Download PDFInfo
- Publication number
- CN107454598B CN107454598B CN201710596769.8A CN201710596769A CN107454598B CN 107454598 B CN107454598 B CN 107454598B CN 201710596769 A CN201710596769 A CN 201710596769A CN 107454598 B CN107454598 B CN 107454598B
- Authority
- CN
- China
- Prior art keywords
- primary user
- imbalance
- signal
- transmitter
- vector
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000012360 testing method Methods 0.000 claims abstract description 14
- 230000001149 cognitive effect Effects 0.000 claims abstract description 9
- 230000006798 recombination Effects 0.000 claims abstract description 4
- 238000005215 recombination Methods 0.000 claims abstract description 4
- 230000011664 signaling Effects 0.000 claims description 5
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 239000000969 carrier Substances 0.000 claims description 2
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000008447 perception Effects 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 4
- 238000001228 spectrum Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0238—Channel estimation using blind estimation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
- H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
- H04L9/3231—Biological data, e.g. fingerprint, voice or retina
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种基于I/Q不平衡的主用户仿真攻击检测方法。针对PUEA检测问题,现有研究大都关注从用户位置固定的场景,移动场景下的研究成果较少,且存在着系统开销大和实际场景中应用受限等问题。本发明通过所述的方法得到信号发射机的I/Q不平衡,并根据该特征采用二元假设检测的方法实现主用户仿真攻击的检测。具体是在移动场景下,认知无线电用户利用接收向量构建重组向量,进而计算得到信号发射机的I/Q不平衡,然后构建二元假设检验进行判决。本发明方法运算开销低,识别时间短,所选用特征难以被仿真主用户模仿,且在主用户、从用户与仿真主用户均移动时仍可正常工作。
Description
技术领域
本发明属于认知无线电安全领域,涉及一种在主用户、从用户与仿真主用户均具有移动性场景下,通过零中频架构的I/Q不平衡特征检测主用户仿真攻击的方法。
背景技术
为了满足不断增长频谱资源需求,人们提出了认知无线电技术提高授权频谱的利用率。通过搜索频谱空洞,认知无线电网络(Cognitive Radio Network,CRN)中的从用户(Secondary User,SU)可在不干扰主用户(Primary User,PU)网络正常通信的情况下智能地接入频谱资源。然而,CRN的认知特性引入了新的安全问题,主用户仿真攻击(PrimaryUser Emulation Attack,PUEA)是其中一种典型攻击。在PUEA中,攻击者模仿PU发送信号,使SU错误判断当前频谱已被占用而无法正常接入空闲频谱。
目前已有的PUEA检测方法可分为以下几类:基于定位的PUEA检测方法、基于信号特征的PUEA检测方法、基于信道特征的PUEA检测方法和合作检测。基于定位的PUEA检测方法中,SUs利用接收信号对信号发射机的地理位置进行估计,并将估计结果与所有PU的位置依次进行比较来判断接收信号的来源。这类基于定位的PUEA检测方法受限于地理位置的估计精确度,同时需要调用多个SU参与,系统开销大。基于信号特征的PUEA检测方法通过对接收信号进行特征测量,并将测量结果与PU的信号特征进行比较来识别PUEA,如利用接收信号的能量特征进行PUEA检测。能量检测简单易于实现,但当攻击者能够智能调节自己的发送功率时,该方法将会失效。来自于PU与仿真主用户(Primary User Emulator,PUE)的信号经历不同的信道到达SU,因此可通过信道特征来区分PU与PUE信号,这类方法称为基于信道特征的PUEA检测方法,如对接收信号方差(对数正态阴影衰落信道特征)进行估计,利用方差特征来进行PUEA检测。当SU与PU间信道由于信号收发机的移动而剧烈变化时,基于信道特征的PUEA检测方法的性能将会大幅下降。合作检测中,每个SU都独自使用某一种PUEA检测方法得到本地判决结果,并将各自的判决结果发送给融合中心,融合中心根据融合准则得到最终的全局判决结果。合作检测可以降低单个SU检测的不确定性,提高PUEA抵抗性能。但需要调用多个SU参与检测,需要耗费更多的时间与资源。
针对PUEA检测问题,现有研究大都关注SU位置固定的场景,这些方法并不适用于PU、SU与PUE均移动的场景。移动场景下的PUEA检测的研究成果较少,且存在着系统开销大和实际场景中应用受限等问题,因此需要寻找一种新的检测方法来识别移动场景下的PUEA。
发明内容
本发明的目的是提供一种基于I/Q不平衡的主用户仿真攻击检测方法。本发明方法是针对PU、SU与PUE均移动场景下的CRN,当已有的通过定位或信道特征等实现PUEA检测的方法失效的情况下,建立了一种系统模型,并提出了一种基于信号发射机指纹特征的PUEA检测方法。
本发明方法通过估计信号发射机I/Q不平衡来识别主用户信号和主用户仿真信号。本发明具有运算开销低,识别时间短和所选用特征难以被PUE模仿的特点,且检测概率高,在移动场景下的认知无线电网络中有良好的应用前景。
为了实现上述目的,本发明所采用的技术方案的具体步骤为:
步骤一、认知无线电网络中,在主用户PU工作时,感知用户SU利用接收到的PU信号对信号发射机的I/Q不平衡进行估计,重复估计多次取平均作为PU的I/Q不平衡先验信息,然后根据系统对虚警概率PFP的要求设定最小判决门限值λ,具体过程如下:
(1)构造重组向量
其中rk表示长度为LDFFT+LCP的第k个接收向量,LDFFT为离散傅里叶变换的点数,即正交频分复用中子载波个数,LCP为循环前缀的长度,rk(m:n)表示向量rk的第m至第n个元素,即由rk-1的后LDFFT个元素和rk的前LCP个元素组成;
(2)利用及接收向量rk构造向量yk:
(3)利用yk计算信号发射机的I/Q不平衡
||·||表示欧几里德范数,AT表示矩阵A的转置,M表示接收向量的个数;
(4)重复以上估计过程,计算统计平均值其中表示第i次的信号发射机I/Q不平衡估计值,N为估计次数;
(5)根据预先设定的虚警概率PFP要求,由计算满足PFP的最小判决门限值λ,其中为I/Q不平衡估计值的方差,且Q(x)是标准正态分布的互补累计分布函数(Complementary Cumulative DistributionFunction),且Q-1(x)表示Q(x)的逆函数;
步骤二、SU在未知用户工作时,通过步骤一中I/Q不平衡估计方法得到信号发射机的I/Q不平衡,重复估计N次取平均得到未知信号发射机的I/Q不平衡估计值
步骤三、SU通过构建二元假设检验,判断接收到的信号来自PU还是仿真主用户PUE;SU构建二元假设检验如下:
根据步骤一得到的判决门限值λ、PU的I/Q不平衡先验信息μPU和步骤二得到的未知信号发射机的I/Q不平衡估计值构建二元假设检验如下:
H0和H1分别表示SU判断接收信号来自于PU或者PUE,通过采用上述二元假设检验,当时,SU判断接收信号来自主用户;当时,判断存在主用户仿真攻击。
本发明是基于I/Q不平衡的主用户仿真攻击检测方法,与现有的PUEA检测方法相比,其优点体现在:
1、现有的PUEA检测方法大多针对固定场景下的PUEA问题,当PU、SU与PUE具有移动性时,检测效果会大幅降低,甚至完全失效。本发明基于信号发射机的指纹特征即I/Q不平衡特征进行识别,可以在PU、SU与PUE均移动场景下正常工作。
2、本发明具有运算开销低,识别时间短的特点,适合在计算能力有限,需要快速识别的移动场景下的CRN中使用。
3、本发明以I/Q不平衡作为检测的特征参数,该特征参数属于信号发射机的固有特征,且即使PU与PUE的信号发射机使用相同的生产与组装过程,他们的I/Q不平衡也会不同,故PUE用户无法通过学习和重配置过程进行模仿,检测概率高。
附图说明
图1为提出的PU、SU与PUE均具有移动性场景下的CRN模型示意图;
图2为本发明方法的流程图;
图3为I/Q不平衡盲估计方法流程图。
具体实施方式
以下结合附图并举实施例对本发明做进一步详细说明。
本实例工作在移动场景下的CRN,如图1所示,该环境满足以下条件:
(1)网络中存在一个PU,多个SU和多个PUE。
(2)PU、SU与PUE均具有移动性。
如图2,实例具体通过以下步骤实现:
步骤一、SU在PU工作时,通过如图3所示的I/Q不平衡盲估计方法估计得到PU信号发射机的I/Q不平衡,重复估计N次取平均作为PU的I/Q不平衡先验信息,然后根据虚警概率PFP要求设定判决门限值λ,具体过程如下:
(1)构造重组向量
其中LDFFT=64,LCP=16。
(2)利用及接收向量rk构造向量yk
(3)利用yk计算信号发射机的I/Q不平衡
其中M=100。
(4)重复以上估计过程,计算统计平均值并计算得到I/Q不平衡估计值的方差其中N=100。
(5)设定虚警概率PFP=0.2,由
求出符合PFP的最小判决门限值λ。
步骤二、SU在未知用户工作时,通过如图3所示的I/Q不平衡盲估计方法估计得到未知信号发射机的I/Q不平衡,重复估计100次取平均作为未知信号发射机的I/Q不平衡
步骤三、SU通过构建二元假设检验,判断接收到的信号来自主用户还是仿真主用户。SU构建二元假设检验如下:
根据步骤一得到的判决门限值λ、PU的I/Q不平衡先验信息μPU和步骤二得到的I/Q不平衡估计值SU通过以下准则做出判决:
H0和H1分别表示SU判断接收信号来自于PU或者PUE,通过采用上述二元假设检验,当时,SU判断接收信号来自主用户;当时,判断存在主用户仿真攻击。
Claims (1)
1.一种基于I/Q不平衡的主用户仿真攻击检测方法,该方法通过利用接收信号估计信号发射机的I/Q不平衡来识别主用户和仿真主用户;其特征在于该方法包括以下步骤:
步骤一、认知无线电网络中,在主用户PU工作时,感知用户SU利用接收到的PU信号对信号发射机的I/Q不平衡进行估计,重复估计多次取平均作为PU的I/Q不平衡先验信息,然后根据系统对虚警概率PFP的要求设定最小判决门限值λ,具体过程如下:
(1)构造重组向量
其中rk表示长度为LDFFT+LCP的第k个接收向量,LDFFT为离散傅里叶变换的点数,即正交频分复用中子载波个数,LCP为循环前缀的长度,rk(m:n)表示向量rk的第m至第n个元素,即由rk-1的后LDFFT个元素和rk的前LCP个元素组成;
(2)利用及接收向量rk构造向量yk:
(3)利用yk计算信号发射机的I/Q不平衡
||·||表示欧几里德范数,AT表示矩阵A的转置,M表示接收向量的个数;
(4)重复以上估计过程,计算统计平均值其中表示第i次的信号发射机I/Q不平衡估计值,N为估计次数;
(5)根据预先设定的虚警概率PFP要求,由计算满足PFP的最小判决门限值λ,其中为I/Q不平衡估计值的方差,且Q(x)是标准正态分布的互补累计分布函数,且Q-1(x)表示Q(x)的逆函数;
步骤二、SU在未知用户工作时,通过步骤一中I/Q不平衡估计方法得到信号发射机的I/Q不平衡,重复估计N次取平均得到未知信号发射机的I/Q不平衡估计值
步骤三、SU通过构建二元假设检验,判断接收到的信号来自PU还是仿真主用户PUE;SU构建二元假设检验如下:
根据步骤一得到的判决门限值λ、PU的I/Q不平衡先验信息μPU和步骤二得到的未知信号发射机的I/Q不平衡估计值构建二元假设检验如下:
H0和H1分别表示SU判断接收信号来自于PU或者PUE,通过采用上述二元假设检验,当时,SU判断接收信号来自主用户;当时,判断存在主用户仿真攻击。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710596769.8A CN107454598B (zh) | 2017-07-20 | 2017-07-20 | 一种基于i/q不平衡的主用户仿真攻击检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710596769.8A CN107454598B (zh) | 2017-07-20 | 2017-07-20 | 一种基于i/q不平衡的主用户仿真攻击检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107454598A CN107454598A (zh) | 2017-12-08 |
CN107454598B true CN107454598B (zh) | 2019-09-20 |
Family
ID=60488804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710596769.8A Active CN107454598B (zh) | 2017-07-20 | 2017-07-20 | 一种基于i/q不平衡的主用户仿真攻击检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107454598B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110012473B (zh) * | 2019-03-06 | 2022-03-08 | 西安电子科技大学 | 基于群体智能移动代理协作感知方法、认知无线网络系统 |
CN111325143A (zh) * | 2020-02-18 | 2020-06-23 | 西北工业大学 | 一种数据集不均衡条件下的水下目标识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105743594A (zh) * | 2016-04-18 | 2016-07-06 | 西安交通大学 | 一种认知无线电系统中基于用户间协作的puea检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9608803B2 (en) * | 2013-12-04 | 2017-03-28 | Board Of Trustees Of Michigan State University | Method for defense against primary user emulation attacks in cognitive radio networks using advanced encryption |
-
2017
- 2017-07-20 CN CN201710596769.8A patent/CN107454598B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105743594A (zh) * | 2016-04-18 | 2016-07-06 | 西安交通大学 | 一种认知无线电系统中基于用户间协作的puea检测方法 |
Non-Patent Citations (3)
Title |
---|
Digital Compensation of Frequency-Dependent Joint Tx/Rx I/Q Imbalance in OFDM Systems Under High Mobility;Balachander Narasimhan,et al.;《IEEE Xplore Digital Library》;20090519;全文 * |
Full-Duplex Communication in Cognitive Radio Networks: A Survey;Muhammad Amjad,et al.;《IEEE Xplore Digital Library》;20170622;全文 * |
认知无线电网络中移动场景下主用户仿真攻击及其防御策略研究;鲍飞静;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130515;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107454598A (zh) | 2017-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | AF-DCGAN: Amplitude feature deep convolutional GAN for fingerprint construction in indoor localization systems | |
Decurninge et al. | CSI-based outdoor localization for massive MIMO: Experiments with a learning approach | |
JP6764018B2 (ja) | 動作検出のための信号変調の検出 | |
Sanam et al. | An improved CSI based device free indoor localization using machine learning based classification approach | |
CN103795479B (zh) | 一种基于特征值的协作频谱感知方法 | |
CN107332855B (zh) | 基于增强学习算法的主用户仿真攻击检测方法 | |
CN106713190B (zh) | 基于随机矩阵理论和特征阈值估计的mimo发射天线数目盲估计算法 | |
CN103440473B (zh) | 指纹定位方法与服务器 | |
CN102324959A (zh) | 一种基于多天线系统协方差矩阵的频谱感知方法 | |
CN103973383B (zh) | 基于Cholesky分解与特征值的协作频谱检测方法 | |
CN107454598B (zh) | 一种基于i/q不平衡的主用户仿真攻击检测方法 | |
CN105025583A (zh) | 基于能量与协方差检测的分步频谱感知方法 | |
CN105554739B (zh) | 基于信道多径时延差的主用户仿真攻击检测方法 | |
CN105429913B (zh) | 基于特征值的多电平检测与识别方法 | |
Xie et al. | Identification of NLOS based on soft decision method | |
CN105531600A (zh) | 无线网络中用于用户速度估计的时间分析 | |
Zhang et al. | A spectrum sensing algorithm for OFDM signal based on deep learning and covariance matrix graph | |
CN110401468A (zh) | 背景感知隐蔽通信系统及背景感知隐蔽通信方法 | |
CN106162620B (zh) | 一种基于信道多普勒效应的主用户仿真攻击检测方法 | |
CN106792728B (zh) | 接近最优非参数化认知无线电循环平稳合作频谱感知方法 | |
CN112543409A (zh) | 一种到达时间toa估计方法及基站 | |
Hekkala et al. | Cooperative spectrum sensing study using welch periodogram | |
CN109600181A (zh) | 一种用于多天线的频谱感知方法 | |
Zhao et al. | Cyclic spectrum based intelligent modulation recognition with machine learning | |
Tegin et al. | Federated learning over time-varying channels |
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 |