[發(fā)明專利]基于增強(qiáng)學(xué)習(xí)算法的主用戶仿真攻擊檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710596776.8
• 申請(qǐng)日: 2017-07-20
• 公開（公告）號(hào): CN107332855B
• 公開（公告）日: 2020-04-28
• 發(fā)明（設(shè)計(jì)）人: 陳惠芳;謝磊;馬向榮
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): H04L29/06
• 分類號(hào): H04L29/06;H04W12/00;H04W16/10
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 葉志堅(jiān)

本發(fā)明涉及基于增強(qiáng)學(xué)習(xí)算法的主用戶仿真攻擊檢測(cè)方法。現(xiàn)有方法中當(dāng)CRN的信道環(huán)境發(fā)生變化時(shí)，檢測(cè)性能會(huì)明顯下降。本發(fā)明方法以Q?Learning算法在線學(xué)習(xí)不同信道環(huán)境下的判決檢測(cè)門限值，即采用信道多徑時(shí)延差作為狀態(tài)參數(shù)，以判決門限作為動(dòng)作策略，并將長(zhǎng)時(shí)檢測(cè)收益作為系統(tǒng)的回報(bào)函數(shù)，根據(jù)管理機(jī)構(gòu)在每個(gè)周期的反饋獎(jiǎng)罰值，通過Q?Learning算法實(shí)時(shí)調(diào)整判決門限。本發(fā)明以Q?Learning算法動(dòng)態(tài)調(diào)整判決門限，無(wú)需PU特征參數(shù)作為先驗(yàn)信息，能有效提升信道環(huán)境變化情況下的檢測(cè)性能，且無(wú)需改變已有SU的硬件配置。

技術(shù)領(lǐng)域

本發(fā)明專利屬于認(rèn)知無(wú)線電安全技術(shù)領(lǐng)域，涉及一種在信道環(huán)境變化情況下，基于增強(qiáng)學(xué)習(xí)算法的主用戶仿真攻擊檢測(cè)方法。

背景技術(shù)

認(rèn)知無(wú)線電網(wǎng)絡(luò)(Cognitive Radio Network，CRN)通過動(dòng)態(tài)頻譜接入機(jī)制，可以有效利用空閑頻譜資源，提高資源利用率。動(dòng)態(tài)頻譜接入要求從用戶(Secondary User，SU)在不干擾某頻段內(nèi)授權(quán)用戶即主用戶(Primary User，PU)正常工作的條件下，通過頻譜感知技術(shù)獲取空閑頻譜信息并伺機(jī)接入。但是，動(dòng)態(tài)頻譜接入機(jī)制為CRN引入了特有的安全問題，主用戶仿真攻擊(Primary User Emulation Attack，PUEA)是其中一類典型攻擊。在PUEA中，惡意用戶(Malicious User,MU)通過模仿PU的信號(hào)特征，使SU誤認(rèn)為當(dāng)前頻段正在被使用，從而達(dá)到獨(dú)占空閑頻譜資源或不讓其他SU接入空閑頻譜的目的。

目前已有的PUEA檢測(cè)方法主要有發(fā)射機(jī)地理位置檢測(cè)法、發(fā)射機(jī)指紋特征檢測(cè)法與信道特征檢測(cè)法。基于發(fā)射機(jī)地理位置的檢測(cè)法可以通過距離比值檢測(cè)法、距離差值檢測(cè)法、接收信號(hào)強(qiáng)度檢測(cè)法等方法檢測(cè)發(fā)射源的地理位置，從而判斷是否存在攻擊，這種方法容易受到地理環(huán)境的影響。基于發(fā)射機(jī)指紋特征的檢測(cè)法利用發(fā)射機(jī)指紋特征難以被模仿的特點(diǎn)設(shè)計(jì)實(shí)現(xiàn)，指紋特征包括相位噪聲、發(fā)射機(jī)頻偏、周期平穩(wěn)特征值等，這種方法容易引入高估計(jì)噪聲，檢測(cè)性能偏低。基于信道特征的檢測(cè)法利用發(fā)射機(jī)與接收機(jī)間的信道特征設(shè)計(jì)實(shí)現(xiàn)，常用的信道特征包括接收信號(hào)的能量、接收信號(hào)能量的方差與信道沖激響應(yīng)的幅度，這類方法適用于信道環(huán)境穩(wěn)定場(chǎng)景下。

上述基于信道特征的PUEA檢測(cè)方法是通過構(gòu)建二元假設(shè)檢驗(yàn)，預(yù)設(shè)判決門限值，比較從感知信號(hào)中提取的信號(hào)特征值與已知PU特征值，從而判斷PUEA是否存在。但是，當(dāng)信道環(huán)境發(fā)生變化時(shí)，預(yù)設(shè)門限的基于信號(hào)特征的PUEA檢測(cè)方法無(wú)法獲得良好的檢測(cè)性能。因此，我們需要尋找一種新的PUEA檢測(cè)方法，實(shí)現(xiàn)在信道環(huán)境變化場(chǎng)景下也能保證性能。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足，提供一種基于增強(qiáng)學(xué)習(xí)算法的主用戶仿真攻擊檢測(cè)方法。

本發(fā)明方法對(duì)信道環(huán)境變化情況下的CRN，建立一種系統(tǒng)模型，實(shí)現(xiàn)基于Q-Learning算法的PUEA檢測(cè)方法；所述Q-Learning算法為增強(qiáng)學(xué)習(xí)算法。

本發(fā)明所述方法在信道環(huán)境發(fā)生變化的情況下，SU估計(jì)接收信號(hào)所經(jīng)歷信道的多徑傳播時(shí)延差作為特征參數(shù)，通過Q-Learning算法動(dòng)態(tài)設(shè)定判決門限，同時(shí)根據(jù)環(huán)境反饋更新PU的特征參數(shù)，以此提升檢測(cè)性能。本發(fā)明無(wú)需PU特征參數(shù)與給定門限值，通過在線學(xué)習(xí)實(shí)時(shí)調(diào)整不同信道環(huán)境下的判決門限，且所檢測(cè)特征無(wú)法被MU模仿，檢測(cè)概率高，在信道環(huán)境變化的CRN中有良好的應(yīng)用前景。

為了實(shí)現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案的具體步驟為：

步驟1.認(rèn)知無(wú)線電網(wǎng)絡(luò)的PU以概率p使用授權(quán)頻譜資源；當(dāng)PU不工作時(shí)，MU以概率q模仿PU信號(hào)特征并對(duì)SU發(fā)起攻擊，其中q≤1-p；當(dāng)感知為無(wú)空閑頻譜時(shí)，SU為防止頻譜被MU惡意占用進(jìn)行主用戶仿真攻擊檢測(cè)，首先構(gòu)建二元假設(shè)檢驗(yàn)為：

所述的PU為主用戶、SU為從用戶、MU為惡意用戶，H₀和H₁分別表示SU判斷接收信號(hào)來自于PU和MU；