抵御SSDF攻擊的維納濾波器檢測算法研究
發(fā)布時(shí)間:2021-09-09 13:03
針對(duì)認(rèn)知無線電網(wǎng)絡(luò)中隨機(jī)概率式頻譜感知數(shù)據(jù)篡改(SSDF)的攻擊,利用基于最小均方誤差建立的維納濾波器對(duì)目標(biāo)信號(hào)進(jìn)行估計(jì),提出一種維納濾波器檢測(WFD)算法;谔荻人惴ㄓ(xùn)練最優(yōu)權(quán)重,根據(jù)權(quán)重對(duì)訓(xùn)練數(shù)據(jù)加權(quán)融合并對(duì)融合結(jié)果取平均作為門限,將訓(xùn)練得到的權(quán)重和門限與各認(rèn)知用戶發(fā)送的數(shù)據(jù)加權(quán)融合得出判決結(jié)果。仿真結(jié)果表明,與傳統(tǒng)的等增益合并算法相比,在相同的信噪比下,WFD算法的錯(cuò)誤概率降低20%以上,且受SSDF攻擊的惡意用戶所占比例、攻擊概率和相對(duì)攻擊強(qiáng)度等關(guān)鍵參數(shù)影響較小,具有更好的魯棒性。
【文章來源】:計(jì)算機(jī)工程. 2020,46(11)北大核心CSCD
【文章頁數(shù)】:7 頁
【部分圖文】:
存在SSDF攻擊者的集中式頻譜感知模型
本文使用的維納濾波器結(jié)構(gòu)如圖2所示。設(shè)訓(xùn)練集總共有K組數(shù)據(jù),SU數(shù)目為N,則設(shè)置濾波器的階數(shù)為N階,設(shè)輸入觀測向量為 Y(k)= [ Y 1 (k) Y 2 (k) ? Y Ν (k) ] Τ ,其中,Yi(k) (i=1,2,…,N;k=1,2,…,K)表示訓(xùn)練集中的第i個(gè)SU在第k個(gè)檢測周期的能量觀測值,ωi(k) (i=1,2,…,N;k=1,2,…,K)表示第i個(gè)SU在第k個(gè)檢測周期進(jìn)行融合時(shí)的濾波器抽頭系數(shù)(權(quán)重),設(shè) W(k)= [ ω 1 (k) ω 2 (k) ? ω Ν (k) ] Τ ,初始化W(0)為零向量;采用梯度下降法對(duì)權(quán)值進(jìn)行更新,即:
圖3所示為當(dāng)Pa=0.7、ra=0.6以及MU所占的比例分別為rm=0.1、rm=0.2、rm=0.3時(shí),EGC和WFD算法的全局錯(cuò)誤概率Pe隨信噪比SNR變化的曲線。從圖3可以看出,隨著信噪比的增加,兩種算法的Pe都在減小。兩種算法在rm=0.1時(shí)Pe最小,在rm=0.3時(shí)最大,說明隨著rm增加,Pe會(huì)隨之增大。當(dāng)信噪比低至-20dB時(shí),通信環(huán)境十分惡劣,兩種算法的Pe相差較小且都比較高,當(dāng)信噪比增大到-5 dB時(shí),通信環(huán)境相對(duì)較好,兩種算法的Pe相差較小且都比較低。若固定Pe=0.1,當(dāng)rm=0.1時(shí)EGC算法需要信噪比達(dá)到-10 dB,而WFD算法只需-11 dB,WFD相對(duì)于EGC算法對(duì)信噪比的要求降低了1 dB。當(dāng)rm=0.2和rm=0.3時(shí),WFD相對(duì)于EGC算法對(duì)信噪比的要求分別大約降低了2.7 dB和4 dB;類似地,若固定SNR=-10 dB,當(dāng)rm=0.1時(shí),EGC算法的Pe=0.11,WFD的Pe=0.05,錯(cuò)誤率降低了6%,當(dāng)rm=0.2和rm=0.3時(shí),WFD比EGC算法的錯(cuò)誤率分別降低了13%和21%。
【參考文獻(xiàn)】:
期刊論文
[1]基于LMS的頻譜感知算法研究[J]. 郭文祥,余志勇,孫亞民. 計(jì)算機(jī)仿真. 2019(02)
[2]基于信任度的可變門限能量檢測算法[J]. 肖潔,陳躍斌,陳楚天,鄭婷,錢繼武. 電信科學(xué). 2018(08)
[3]基于感知信道差異性的動(dòng)態(tài)雙門限協(xié)作頻譜感知優(yōu)化算法[J]. 文凱,姜賴贏. 南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[4]利用LMS的頻譜感知算法[J]. 王凡,盧光躍. 信號(hào)處理. 2016(05)
[5]基于能量檢測的雙門限協(xié)作頻譜感知算法[J]. 江曉林. 黑龍江科技大學(xué)學(xué)報(bào). 2016(01)
[6]協(xié)作頻譜感知中抗SSDF攻擊的認(rèn)知用戶不確定性行為評(píng)估[J]. 馮景瑜,李金龍,盧光躍. 電信科學(xué). 2015(02)
[7]淺析基于協(xié)作頻譜檢測的認(rèn)知無線電軟融合算法[J]. 初廣前,曹燕,鐘凌惠. 科技資訊. 2014(25)
[8]認(rèn)知無線電網(wǎng)絡(luò)安全綜述[J]. 裴慶祺,李紅寧,趙弘洋,李男,閔瑩. 通信學(xué)報(bào). 2013(01)
[9]協(xié)同頻譜感知中的融合策略[J]. 褚御芝,鄭寶玉,季薇. 南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(03)
本文編號(hào):3392142
【文章來源】:計(jì)算機(jī)工程. 2020,46(11)北大核心CSCD
【文章頁數(shù)】:7 頁
【部分圖文】:
存在SSDF攻擊者的集中式頻譜感知模型
本文使用的維納濾波器結(jié)構(gòu)如圖2所示。設(shè)訓(xùn)練集總共有K組數(shù)據(jù),SU數(shù)目為N,則設(shè)置濾波器的階數(shù)為N階,設(shè)輸入觀測向量為 Y(k)= [ Y 1 (k) Y 2 (k) ? Y Ν (k) ] Τ ,其中,Yi(k) (i=1,2,…,N;k=1,2,…,K)表示訓(xùn)練集中的第i個(gè)SU在第k個(gè)檢測周期的能量觀測值,ωi(k) (i=1,2,…,N;k=1,2,…,K)表示第i個(gè)SU在第k個(gè)檢測周期進(jìn)行融合時(shí)的濾波器抽頭系數(shù)(權(quán)重),設(shè) W(k)= [ ω 1 (k) ω 2 (k) ? ω Ν (k) ] Τ ,初始化W(0)為零向量;采用梯度下降法對(duì)權(quán)值進(jìn)行更新,即:
圖3所示為當(dāng)Pa=0.7、ra=0.6以及MU所占的比例分別為rm=0.1、rm=0.2、rm=0.3時(shí),EGC和WFD算法的全局錯(cuò)誤概率Pe隨信噪比SNR變化的曲線。從圖3可以看出,隨著信噪比的增加,兩種算法的Pe都在減小。兩種算法在rm=0.1時(shí)Pe最小,在rm=0.3時(shí)最大,說明隨著rm增加,Pe會(huì)隨之增大。當(dāng)信噪比低至-20dB時(shí),通信環(huán)境十分惡劣,兩種算法的Pe相差較小且都比較高,當(dāng)信噪比增大到-5 dB時(shí),通信環(huán)境相對(duì)較好,兩種算法的Pe相差較小且都比較低。若固定Pe=0.1,當(dāng)rm=0.1時(shí)EGC算法需要信噪比達(dá)到-10 dB,而WFD算法只需-11 dB,WFD相對(duì)于EGC算法對(duì)信噪比的要求降低了1 dB。當(dāng)rm=0.2和rm=0.3時(shí),WFD相對(duì)于EGC算法對(duì)信噪比的要求分別大約降低了2.7 dB和4 dB;類似地,若固定SNR=-10 dB,當(dāng)rm=0.1時(shí),EGC算法的Pe=0.11,WFD的Pe=0.05,錯(cuò)誤率降低了6%,當(dāng)rm=0.2和rm=0.3時(shí),WFD比EGC算法的錯(cuò)誤率分別降低了13%和21%。
【參考文獻(xiàn)】:
期刊論文
[1]基于LMS的頻譜感知算法研究[J]. 郭文祥,余志勇,孫亞民. 計(jì)算機(jī)仿真. 2019(02)
[2]基于信任度的可變門限能量檢測算法[J]. 肖潔,陳躍斌,陳楚天,鄭婷,錢繼武. 電信科學(xué). 2018(08)
[3]基于感知信道差異性的動(dòng)態(tài)雙門限協(xié)作頻譜感知優(yōu)化算法[J]. 文凱,姜賴贏. 南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[4]利用LMS的頻譜感知算法[J]. 王凡,盧光躍. 信號(hào)處理. 2016(05)
[5]基于能量檢測的雙門限協(xié)作頻譜感知算法[J]. 江曉林. 黑龍江科技大學(xué)學(xué)報(bào). 2016(01)
[6]協(xié)作頻譜感知中抗SSDF攻擊的認(rèn)知用戶不確定性行為評(píng)估[J]. 馮景瑜,李金龍,盧光躍. 電信科學(xué). 2015(02)
[7]淺析基于協(xié)作頻譜檢測的認(rèn)知無線電軟融合算法[J]. 初廣前,曹燕,鐘凌惠. 科技資訊. 2014(25)
[8]認(rèn)知無線電網(wǎng)絡(luò)安全綜述[J]. 裴慶祺,李紅寧,趙弘洋,李男,閔瑩. 通信學(xué)報(bào). 2013(01)
[9]協(xié)同頻譜感知中的融合策略[J]. 褚御芝,鄭寶玉,季薇. 南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(03)
本文編號(hào):3392142
本文鏈接:http://sikaile.net/kejilunwen/dianzigongchenglunwen/3392142.html
最近更新
教材專著