在認知無線網(wǎng)絡中,次用戶通過頻譜感知來學習頻譜環(huán)境,從而接入那些沒有被主用戶占用的頻譜空隙。事實上,多種惡意攻擊的存在會影響次用戶頻譜感知的可靠性。只有深入研究惡意攻擊策略,才能確保認知無線網(wǎng)絡的安全。基于此,研究了一種認知無線網(wǎng)絡中的欺騙性干擾策略,即主用戶仿冒攻擊策略,該攻擊策略通過在信道上傳輸偽造的主用戶信號來降低次用戶頻譜感知的性能。具體來說,將攻擊策略問題建模為在線學習問題,并提出基于湯普森采樣的攻擊策略以實現(xiàn)在探索不確定信道和利用高性能信道間的權(quán)衡。仿真結(jié)果表明,與現(xiàn)有的攻擊策略相比,提出的攻擊策略能更好地通過在線學習優(yōu)化攻擊決策以適應非平穩(wěn)的認知無線網(wǎng)絡。 

【文章來源】：國防科技大學學報. 2020,42(04)北大核心EICSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

主用戶仿冒攻擊者的幀結(jié)構(gòu)

圖2比較了在穩(wěn)態(tài)信道場景下攻擊策略的性能,具體仿真參數(shù)為:K=10,N=1,λ=1,T=2000,γ=0.99�？梢钥闯�:在線攻擊策略的主用戶仿冒累積攻擊為376,比PROLA和RA分別高了35%和119%;相應的次用戶累積接入為1105,比PROLA、RA和無攻擊者分別少了8%、28%和36%。性能提升的原因有兩方面:①考慮并有效處理了次用戶行為的非平穩(wěn)性帶來的挑戰(zhàn);② 提出的算法能夠更有效而快速地利用觀察信息改進攻擊策略。值得注意的是,主用戶仿冒累積攻擊的增加量和次用戶累積接入的減少量是密切相關(guān)但又不完全相同的。以在線攻擊策略為例,相較于無攻擊的情況,主用戶仿冒累積攻擊增加了376,而次用戶累積接入減少了609,這是因為每一次成功的主用戶仿冒攻擊對次用戶的影響包括直接的阻止次用戶接入和間接的破壞次用戶對主用戶行為規(guī)律的學習。圖3比較了在非穩(wěn)態(tài)信道場景下攻擊策略的性能,具體仿真參數(shù)為:K=10,N=1,λ=1, T=2000,γ=0.99,ΔT=100,PΔ∈[0,1]。隨著PΔ的增加,主用戶使用狀態(tài)的非平穩(wěn)性不斷增加,極大影響了次用戶和攻擊者的性能。隨著PΔ從0到1,三種攻擊策略的主用戶仿冒累積攻擊都有著不同程度的下降。其中PROLA的主用戶仿冒累積攻擊下降了40%,而在線攻擊策略的主用戶仿冒累積攻擊只下降了8%,與此同時兩者之間的差距也從35%增加到了98%。這是因為引入的遺忘因子γ可以很好地處理認知無線網(wǎng)絡中的非平穩(wěn)性。值得注意的是,次用戶累積接入并沒有隨著PΔ的增加而產(chǎn)生一致的變化,這是因為次用戶在無攻擊情況下的累積接入隨著PΔ的增加而減少。在線攻擊策略的次用戶累積接入隨著PΔ的增加甚至有小幅增加的原因在于:主用戶仿冒攻擊的間接影響本質(zhì)上是為次用戶學習的環(huán)境添加非平穩(wěn)性,其影響隨著環(huán)境本身非平穩(wěn)性的增加而減弱。

圖3比較了在非穩(wěn)態(tài)信道場景下攻擊策略的性能,具體仿真參數(shù)為:K=10,N=1,λ=1, T=2000,γ=0.99,ΔT=100,PΔ∈[0,1]。隨著PΔ的增加,主用戶使用狀態(tài)的非平穩(wěn)性不斷增加,極大影響了次用戶和攻擊者的性能。隨著PΔ從0到1,三種攻擊策略的主用戶仿冒累積攻擊都有著不同程度的下降。其中PROLA的主用戶仿冒累積攻擊下降了40%,而在線攻擊策略的主用戶仿冒累積攻擊只下降了8%,與此同時兩者之間的差距也從35%增加到了98%。這是因為引入的遺忘因子γ可以很好地處理認知無線網(wǎng)絡中的非平穩(wěn)性。值得注意的是,次用戶累積接入并沒有隨著PΔ的增加而產(chǎn)生一致的變化,這是因為次用戶在無攻擊情況下的累積接入隨著PΔ的增加而減少。在線攻擊策略的次用戶累積接入隨著PΔ的增加甚至有小幅增加的原因在于:主用戶仿冒攻擊的間接影響本質(zhì)上是為次用戶學習的環(huán)境添加非平穩(wěn)性,其影響隨著環(huán)境本身非平穩(wěn)性的增加而減弱。圖4比較了不同λ下的在線攻擊策略性能,具體仿真參數(shù)為:K=40,N=4,λ∈[1,37], T=2000,γ=0.99,ΔT=100,PΔ=0.5。隨著λ從1到37,在線攻擊策略的主用戶仿冒累計攻擊在穩(wěn)態(tài)和非穩(wěn)態(tài)信道場景下分別提升了30%和90%。這是因為攻擊者在每個時隙觀察到的信道狀態(tài)信息隨著λ的增加而增加,也就是說攻擊者的學習能力隨著λ的增加而增加。相較于穩(wěn)態(tài)信道場景,λ的增加對非穩(wěn)態(tài)信道場景的影響更大。這是因為非穩(wěn)態(tài)信道場景更為復雜,攻擊者學習起來也更困難。值得注意的是,λ的增加會提高對攻擊者計算能力的要求,因此需要在性能和代價間權(quán)衡。在剛開始的階段,通過少量增加λ(如從1到4),主用戶仿冒累積攻擊顯著提高;當λ足夠大時(如從10到13),主用戶仿冒累積攻擊的增加量就幾乎可忽略不計了。本次仿真中,當λ為10時,攻擊者的表現(xiàn)已經(jīng)接近最優(yōu)。

【參考文獻】：
期刊論文
[1]改進多重信號分類算法的寬帶頻譜快速感知方法[J]. 孫偉朝,王豐華,黃知濤,王翔.  國防科技大學學報. 2015(05)
[2]基于Sub-Nyquist采樣的單通道頻譜感知技術(shù)[J]. 楊鵬,樊昀,黃知濤,柳征,姜文利.  國防科技大學學報. 2013(04)
[3]認知無線電網(wǎng)絡安全綜述[J]. 裴慶祺,李紅寧,趙弘洋,李男,閔瑩.  通信學報. 2013(01)



本文編號：3131363