可信的反饋聲譽保護協(xié)作頻譜感知軟判決算法*

韓定坤，馮景瑜，盧光躍，石　敏

(1.西安郵電大學 無線網絡安全技術國家工程實驗室，西安 710121;2.中國科學院 信息工程研究所 信息安全國家重點實驗室,北京 100093)

?

可信的反饋聲譽保護協(xié)作頻譜感知軟判決算法*

韓定坤**1，馮景瑜1,2，盧光躍1，石敏1

(1.西安郵電大學 無線網絡安全技術國家工程實驗室，西安 710121;2.中國科學院 信息工程研究所 信息安全國家重點實驗室,北京 100093)

摘要：協(xié)作頻譜感知中信任機制的引入，起到了抑制惡意用戶頻譜感知數據偽造(SSDF)攻擊行為的作用。然而，數據融合中心不加區(qū)分地接收協(xié)作感知結束后的反饋信息，為惡意用戶帶來了實施“摻沙子”攻擊的機會。惡意用戶向數據融合中心反饋錯誤的主用戶頻譜狀態(tài)，使信任機制不能得出準確的信任值。為此，提出了一種基于反饋聲譽的信任機制，考慮反饋中的個體性特征，引入反饋聲譽的思想來量化認知用戶信任值。同時，將信任值量化結果用于權重經典軟判決算法——序貫概率比檢測(SPRT)算法，消除SSDF惡意用戶參與軟判決數據融合的影響，形成可信序貫概率比檢測算法(FSPRT)。仿真結果表明FSPRT算法的性能優(yōu)于傳統(tǒng)SPRT算法，能有效降低網絡信任值計算誤差，并保持較好的感知性能。

關鍵詞：認知無線電；協(xié)作頻譜感知；軟判決；反饋聲譽;信任機制

1引言

隨著無線通信業(yè)務快速發(fā)展，頻譜資源的消耗越來越嚴重，現如今頻譜資源短缺逐漸成為阻礙無線通信業(yè)務發(fā)展的障礙[1]。認知無線電技術[2]把授權用戶(也稱主用戶)空閑時的可用頻譜資源給予未授權用戶(也稱認知用戶)隨機訪問機會，緩解了頻譜資源短缺與高速增長的無線頻譜資源需求之間的矛盾。

協(xié)作頻譜感知(Cooperative Spectrum Sensing，CSS)是認知無線電技術中實現空閑頻譜資源有效利用的關鍵環(huán)節(jié)。然而，協(xié)作頻譜感知在有效克服單用戶感知時的陰影、衰落等問題的同時，也引入惡意用戶入侵的安全問題。惡意用戶通過實施頻譜感知數據偽造攻擊(Spectrum Sensing Data Falsification Attack,SSDF)的方式，使得協(xié)作頻譜感知不能如實根據外界環(huán)境得出正確的頻譜感知決策[3]。

在SSDF攻擊的抑制方法研究方面，目前研究界傾向于引入信任機制。而信任機制適用于協(xié)作頻譜感知的主要原因在于，凡是涉及分布式協(xié)作的行為活動，都會存在信任問題，協(xié)作頻譜感知正是一種典型的分布式協(xié)作活動。文獻[4]針對認知用戶感知行為的二元性，提出了一種動態(tài)信任機制，對抗惡意用戶的間歇性 SSDF攻擊行為。文獻[5]針對頻譜感知算法易受到噪聲不確定度影響的問題，提出了改進的基于擬合優(yōu)度(Goodness of Fit,GoF)檢驗算法，提高頻譜檢測算法的穩(wěn)健性。文獻[6]利用基于改進的加權序貫頻譜檢測算法，對于信任度函數不同的判決門限，提供相應的加權系數，以此提高頻譜檢測概率，識別惡意節(jié)點。文獻[7]提出了一種基于信任節(jié)點輔助的安全協(xié)作感知策略來減輕惡意用戶對軟判決算法的影響，考慮認知用戶的歷史行為，提高協(xié)作頻譜感知性能。然而，協(xié)作感知結束后，數據融合中心不加區(qū)分地接收反饋信息，為惡意用戶帶來了可乘之機。一些狡猾的惡意用戶引進“摻沙子”攻擊方式，通過反饋錯誤的主用戶頻譜狀態(tài)，混淆數據融合中心處的認知用戶信任評估過程，從而使信任機制不能得出準確的認知用戶信任值。本文中，“沙子”表示惡意用戶所反饋的錯誤主用戶頻譜狀態(tài)。

本文引入反饋聲譽的思想，抑制惡意用戶對協(xié)作頻譜感知的“摻沙子”攻擊。反饋聲譽的思想來源于網絡征信、在線交易購物評價、社交網絡等包含反饋機制的系統(tǒng)，主要用來度量用戶反饋行為的可靠性。反饋聲譽應用于協(xié)作頻譜感知中，則可用來對認知用戶反饋主用戶真實頻譜狀態(tài)的行為進行度量。具體來說，通過針對不同用戶的反饋情況，考慮反饋中的個體性特征，觀察個體肯定次數和個體抱怨次數，并引入反饋調節(jié)因子，建立反饋聲譽評估模型。同時，綜合考慮每個認知用戶在網絡中的反饋聲譽情況，進行偏離分析。在認知用戶的反饋聲譽偏差度較大時，通過保守準則量化信任值，從而規(guī)避了“摻沙子”攻擊和錯誤反饋信息對信任值計算的影響。最后，將量化出的信任值用來權重經典軟判決融合算法——序貫概率比檢測(Sequential Probability Ratio Test,SPRT)算法，用于消除SSDF惡意用戶參與軟判決數據融合的影響，形成一種可信序貫概率比檢測算法(Sequential Probability Ratio Test with Feedback reputation,FSPRT)。

2軟判決數據融合及其安全隱患

協(xié)作頻譜感知技術通過對多個認知用戶本地感知結果的融合，能有效消除由于多徑衰落和陰影效應造成的單用戶感知不確定性，共同協(xié)商確定頻譜的使用情況，達到更好的頻譜感知性能。如圖1所示，多個認知用戶從事的協(xié)作頻譜感知過程可建模為一個并行融合模型[8]。

圖1　協(xié)作頻譜感知網絡模型

在并行融合模型中，協(xié)作頻譜感知遵循三個步驟：本地檢測、數據匯聚和數據融合[9]。

(1)本地檢測：每個認知用戶獨立感知主用戶可用頻譜。

(2)數據匯聚：所有認知用戶將自身的本地感知數據發(fā)送給融合中心(Fusion Center,FC)。

(3)數據融合：FC使用相關數據融合算法，合并來自所有認知用戶的感知數據，得出關于主用戶可用頻譜的最終感知決策。FC通常是一個計算能力強的中心節(jié)點，比如，無線局域網(Wireless Local Area Network,WLAN)中的接入點(Access Point，AP)或者蜂窩網中的基站。

進行硬判決數據融合時，每個認知用戶將自身的本地感知數據抽象為二進制形式{0,1}后發(fā)送給FC，“1”和“0”分別表示主用戶信號存在(H1)或不存在(H0)[10]。雖然二進制形式數據使得硬判決算法具有較低的控制信道開銷，但卻達不到最佳的檢測性能。

相對于硬判決算法，FC在軟判決數據融合過程中直接收集每個認知用戶的觀測值，利用協(xié)作分集方法對這些觀測值進行合并。因而，軟判決算法能比硬判決算法具有更好的檢測性能。這其中，序貫概率比檢測(SPRT)[11]是一款經典軟判決算法，對每個認知用戶本地感知數據di在H1、H0事件下的先驗概率P(di|H1)和P(di|H0)進行抽樣提取，計算出判決統(tǒng)計量Sn：

(1)

在先驗虛警概率P01和漏警概率P10的約束下，比較判決統(tǒng)計量Sn與門限值(η0,η1)，得出關于主用戶可用頻譜的最終感知決策:

(2)

相對于奈曼-皮爾遜檢測[12]、復合假設檢驗[13]和D-S(Dempster-Shafer)證據合成[14]等軟判決算法，SPRT算法的優(yōu)點在于：在達到同樣檢測性能的條件下，使用可變數量的樣本進行測試，比固定樣本數量測試能最大限度地減少檢測時間。

然而，SPRT算法在使用時默認所有的認知用戶都是友好的，安全機制的缺乏很容易使SPRT算法受到惡意用戶的SSDF攻擊威脅，從而降低了SPRT算法對于主用戶可用頻譜狀態(tài)的檢測性能。

根據惡意用戶的攻擊目的，存在兩種SSDF攻擊模式：Always-free和Always-false[15]。

(1)Always-busy攻擊：惡意用戶始終偽造主用戶頻譜狀態(tài)為H1的感知數據，使FC誤判主用戶一直處于“繁忙”狀態(tài)，以期長期非法占有主用戶空閑頻譜資源。

(2)Always-free攻擊：惡意用戶始終偽造主用戶頻譜狀態(tài)為H0的感知數據，使FC誤判主用戶一直處于“空閑”狀態(tài)，造成對主用戶的信號干擾。

目前，TNA算法[7]使用基于信任節(jié)點輔助的安全協(xié)作感知方案，可有效消除惡意用戶對SPRT軟判決算法的不良影響，但卻忽略了惡意用戶的間歇性SSDF攻擊行為。根據惡意用戶的攻擊策略，存在兩種SSDF攻擊行為：持續(xù)性和間歇性[16]。在持續(xù)性SSDF攻擊行為下，惡意用戶持續(xù)性地提交虛假感知數據，因此會表現出較低的信任度，從而很容易被融合中心識別出來。于是，惡意用戶改變攻擊策略，間歇性地提交感知數據，從事動態(tài)的感知數據偽造行為。在真實或虛假感知數據的交替式提交過程中，惡意用戶有策略地使其處于可信狀態(tài)，從而逃避檢測，并加劇其對協(xié)作頻譜感知的危害。

3基于反饋聲譽的信任機制

本文針對惡意用戶的“摻沙子”攻擊行為，考慮反饋中的個體性特征，設計基于反饋聲譽的信任機制。首先，建立反饋網絡模型，描述了協(xié)作頻譜感知中的感知數據與反饋數據交互;其次，引入個體肯定次數和個體抱怨次數，進行個體性的反饋聲譽評估;最后，通過反饋聲譽，實現了信任值量化。

3.1反饋網絡模型

協(xié)作頻譜感知中的認知用戶通常分為兩種類型：請求感知用戶(Request Sensing User,RSU)和協(xié)作感知用戶(Cooperative Sensing User,CSU)。這兩種類型的劃分是相對的，不是絕對的。當某個認知用戶由于陰影效應、多徑衰落和“終端隱藏”等因素的存在，無法獨自得出關于主用戶(Primary User,PU)頻譜狀態(tài)的感知決策時，就會請求協(xié)作頻譜感知，此時該用戶就是RSU；當該用戶參與別的認知用戶發(fā)起的協(xié)作頻譜感知時，就是CSU。

當請求感知用戶嘗試使用主用戶頻帶時，需要首先確定主用戶頻帶是否處于空閑狀態(tài)。發(fā)生于RSU、CSU和數據融合中心(FC)之間的感知數據與反饋數據交互，可通過圖2所示的反饋網絡模型進行描述。

圖2　協(xié)作頻譜感知中的感知數據與反饋數據交互

Step 1：請求感知用戶SUi發(fā)送查詢請求給融合中心FC，請求FC幫助尋找CSU共同確定主用戶的頻譜狀態(tài)；

Step 2：FC向整個認知無線電網絡廣播請求信息，希望具有感知能力的CSU能提供感知數據；

Step 3：若SUj收到廣播信息后，發(fā)現自己具有感知主用戶頻譜狀態(tài)的能力，則加入協(xié)作感知用戶組，協(xié)作感知用戶組內的所有用戶獨立感知主用戶信息，互不影響。

Step 4：FC采集感知數據完成后，使用一定的數據融合算法進行感知數據融合，并將融合出的感知決策結果發(fā)送SUi；

Step 5：SUi根據感知決策結果確定主用戶的實際頻譜狀態(tài)，并將確定結果作為反饋信息發(fā)送給FC。通過反饋信息中的主用戶狀態(tài)數據，FC進行感知數據與反饋數據的匹配工作，完成對本次協(xié)作頻譜感知中充當CSU角色認知用戶的信任值更新。

(3)

nte值越小，說明“摻沙子”攻擊對于整個認知無線網絡的信任值計算影響越小。仿真分析中，將具體分析nte值的情況。

3.2反饋聲譽評估模型

為抑制“摻沙子”攻擊和降低nte值，觀察每次協(xié)作頻譜感知結束后，每個RSU反饋的主用戶實際頻譜狀態(tài)數據。充分考慮反饋中的個體性特征，引入個體肯定次數和個體抱怨次數，實現對每個CSU的反饋聲譽評估。

(1)個體肯定次數：RSU反饋的主用戶實際頻譜狀態(tài)與CSU提供的感知數據匹配一致，稱之為個體肯定。pij表示請求感知用戶SUi的反饋數據與協(xié)作感知用戶SUj的感知數據匹配一致的個體肯定次數;p表示網絡中個體肯定次數的總和。

(2)個體抱怨次數： RSU反饋的主用戶實際頻譜狀態(tài)與CSU提供的感知數據匹配不一致，稱之為個體抱怨。cij表示請求感知用戶SUi的反饋數據與協(xié)作感知用戶SUj的感知數據匹配不一致的個體抱怨次數;c表示網絡中個體抱怨次數的總和。

反饋聲譽的價值在于鼓勵個體肯定，懲罰個體抱怨。SUi對于SUj的個體肯定次數越多，SUi對于SUj的反饋聲譽fij會越高；個體抱怨次數越多，fij會越低。

注意整個網絡中個體肯定與個體抱怨的產生情況，引入反饋調節(jié)因子λ，影響fij的評估，間接實現對網絡個體肯定次數增加的鼓勵或個體抱怨次數增加的懲罰。p越大，有利于fij的提升；與之相反，c越大，則會衰減fij。反饋調節(jié)因子λ的另一作用在于，惡意用戶若不斷實施“摻沙子”攻擊，造成網絡中個體抱怨次數總和的不斷增加，也會不斷衰減其反饋聲譽的評估結果。

反饋調節(jié)因子λ的計算如下：

(4)

綜上所述，SUi對于SUj的反饋聲譽fij可計算為

(5)

對于SUj，綜合網絡中所有認知用戶對其反饋聲譽，可得出反饋聲譽向量Fj：

Fj=[f1j,f2j,…fij,…,fnj]

(6)

式中:fnj為網絡中的第N個認知用戶SUn對于SUj的反饋聲譽。

3.3信任值量化

進行個體性的反饋聲譽評估，“摻沙子”攻擊的出現，會使得某些認知用戶的反饋聲譽向量存在著忽低忽高的數據。因此，量化認知用戶的信任值前，必須對其反饋聲譽向量進行偏離分析。對于任一認知用戶SUj，其反饋聲譽向量Fj的偏離分析如下：

(7)

設θ為信任值門限值，是區(qū)分可信用戶和惡意用戶關鍵參數。此外，fij∈[0,1]，且SUj的信任值tj通常也位于[0,1]區(qū)間內。因此，θ可用來深化Fj的偏離分析，結合Fj的方差偏離量D(Fj)，量化出tj。一般θ≥0.5，直接用于Fj偏離分析中，數值過大，可能會造成較大的信任值計算誤差。這里，對θ進行折半選擇，作為D(Fj)的門限值，量化SUj的信任值tj：

(8)

4FSPRT算法實現分析

(9)

FSPRT軟判決融合算法的實現流程如圖3所示。

圖3　反饋聲譽保護下的FSPRT算法實現流程

Step 1：初始時刻(k=0)，初始化η0=P01/(1-P10)，η1=(1-P01)/P10，tj=1，θ=0.5，Yj=0;

Step 2：FC進行感知數據與反饋數據的匹配工作，通過反饋聲譽模型，計算k時刻參與協(xié)作頻譜感知認知用戶的反饋聲譽;

Step 3：將k時刻參與協(xié)作頻譜感知認知用戶的反饋聲譽插入到這些認知用戶的反饋聲譽向量中，進行偏離分析，量化出每個認知用戶的信任值tj;

Step 4：結合可變樣本測試思想[11]，提取部分認知用戶的本地感知數據參與融合，并使用信任度做為指數權重系數，計算判決統(tǒng)計量Yj;

Step 5：在門限值(η0,η1)上進行雙門限判決,當η0η1時，作出最終感知決策H1;

Step 6：k時刻協(xié)作頻譜感知結束。

5仿真實驗結果及性能分析

5.1仿真環(huán)境

本文使用Matlab搭建實驗平臺，對基于反饋聲譽的信任機制及其保護的FSPRT算法感知性能進行仿真分析。仿真環(huán)境參數設置如表1所示。

表1　仿真環(huán)境參數設置

仿真的目的在于評估基于反饋聲譽的信任機制的優(yōu)化改進程度及其保護的FSPRT算法在檢測性能上的提升,因此，為了方便工程實現以及問題分析，對仿真實驗的具體細節(jié)做了一定的簡化處理，并做如下設定：在虛警概率P01和漏警概率P10分別為1×10-5和1×10-6的約束條件下，假定每個認知用戶本地判決結果d的先驗概率P(di|H1)與P(di|H0)相互獨立，并服從均值都為0、方差分別為0.8和1的正態(tài)分布；參照認知用戶的評價行為類型，劃分出3種類型集合：可信用戶、“摻沙子”攻擊者和SSDF惡意用戶?？尚庞脩舨还苁欠答?，還是參與協(xié)作感知，都提交真實的數據；“摻沙子”攻擊者是惡意的RSU，提交錯誤反饋信息；SSDF惡意用戶是惡意的CSU，提交虛假感知數據。

5.2仿真結果分析

使用循環(huán)仿真法模擬3種類型用戶的感知行為，用來觀察基于反饋聲譽的信任機制對于“摻沙子”攻擊和FSPRT對于SSDF攻擊的抑制情況。在每次循環(huán)中，隨機產生若干可信用戶、“摻沙子”攻擊者或SSDF惡意用戶參與一次協(xié)作感知活動。

為分析對“摻沙子”攻擊的抑制性能，首先仿真對比存在“摻沙子”攻擊者時貝葉斯信任機制和基于反饋聲譽的信任機制對于網絡信任值誤差產生情況,網絡信任值誤差表示對整個網絡中認知用戶信任值的平均值。

如圖4所示，隨著“摻沙子”攻擊者數量的增加，貝葉斯信任機制下的網絡信任值誤差基本保持在[0.15,0.24]之間。由于反饋調節(jié)因子存在以及反饋聲譽模型的引入，會對惡意用戶的“摻沙子”攻擊行為起到一定抑制作用，因而基于反饋聲譽的信任機制產生的網絡信任值誤差較小于貝葉斯信任機制。特別地，“摻沙子”攻擊者數量位于[0,7]區(qū)間范圍內時，基于反饋聲譽的信任機制對“摻沙子”攻擊抑制最為有效，網絡中基本沒有產生信任值誤差。此處，也進一步驗證了在計算信任值時，選擇折半后的信任值門限值對反饋聲譽向量進行分析，起到了降低信任值計算誤差的效果。

圖4　網絡信任值誤差情況分析

接著采用蒙特卡洛仿真法，分別在Always-busy和Always-free攻擊模式下對比FSPRT與傳統(tǒng)軟判決算法SPRT[10]和TNA[7]對抗SSDF攻擊的感知性能。

在Always-busy攻擊模式下，軟判決算法的性能主要體現在算法對于主用戶可用頻譜的檢測率上(正確感知H1和H0的概率之和)。如圖5所示，當SSDF惡意用戶比例逐漸增多時，FSPRT算法明顯優(yōu)于SPRT算法和TNA算法。即使SSDF惡意用戶比例超過50%，FSPRT算法和TNA算法都要比SPRT算法更可靠。這是因為在相同的仿真環(huán)境下，FSPRT算法和TNA算法都使用指數權重來消除惡意用戶的負面影響。面對SSDF攻擊時，即使隨著惡意用戶比例的增多，FSPRT算法始終維持高效的檢測性能，而TNA算法沒有考慮對“摻沙子”攻擊的抑制，其檢測性能相對會隨著SSDF惡意用戶的增多出現一些衰減。

圖5　Always-busy攻擊模式下的正確感知概率

在Always-free攻擊模式下，較低的漏檢率(將H1感知為H0的錯誤概率)也表明軟判決算法具有較好的感知性能。如圖6所示，隨著SSDF惡意用戶比例的增加，引入反饋聲譽的FSPRT算法可以有效識別惡意用戶，其性能明顯優(yōu)于SPRT算法和TNA算法，并且檢測性能始終維持在更加穩(wěn)定的低漏檢概率下，比TNA算法更加穩(wěn)定。

圖6　在Always-free攻擊模式下的漏檢概率

可見，由于SPRT算法本身就具有很好的感知性能，在惡意用戶比例較少時，其負面影響消除后，FSPRT算法和TNA算法都表現出較好的感知概率和漏檢概率。

6結束語

本文針對協(xié)作頻譜感知中存在的“摻沙子”攻擊問題，引入加入反饋聲譽，通過考慮反饋中的個體性特征，提供信任值量化的準確性。同時，將反饋聲譽形成的信任值作為認知用戶參與軟判決數據融合的權重，保護序貫概率比檢測算法對抗SSDF攻擊，形成可信的FSPRT軟判決算法，并給出了算法實現流程。仿真結果表明基于反饋聲譽的信任機制能夠減少網絡信任值誤差，保證FSPRT算法具有較好的感知概率和漏檢概率。本文的研究為后續(xù)頻譜感知中抵御惡意用戶進行有目的的“摻沙子”攻擊行為的相關信任機制的研究奠定了理論基礎。

參考文獻：

[1]AKYILDIZ I F,LEE W Y,VURAN M C,et al.Next generation/dynamic spectrum access/cognitive radio wireless networks:a survey[J].Computer Networks,2006,50(13):2127-2159.

[2]YE Y H,LU G Y.Blind spectrum sensing based on the ratio of mean square to variance[J].The Journal of China Universities of Posts and Telecommunications,2016,23(1):42-48.

[3]CHEN R L,PARK J M,HOU Y T.Toward secure distributed spectrum sensing in cognitive radio networks[J].IEEE Communications Magazine,2008,46(4):50-55.

[4]FENG J,ZHANG Y,LU G,et al.Securing cooperative spectrum sensing against ISSDF attack using dynamic trust evaluation in cognitive radio networks[J].Security & Communication Networks,2015,8(17):3157-3166.

[5]盧光躍,葉迎暉,孫宇,等.克服噪聲不確定度的擬合優(yōu)度檢驗頻譜感知算法[J].電訊技術,2016,56(1):26-31.

LU Guangyue,YE Yinghui,SUN Yu,et al.A novel anti-noise-uncertainty spectrum sensing method using goodness of fit test[J].Telecommunication Engineering,2016,56(1):26-31.(in Chinese)

[6]吳征,趙君喜.一種基于信任度的頻譜感知數據融合算法[J].西安郵電大學學報,2011,16(5):26-30.

WU Zheng,ZHAO Junxi.A data fusion algorithm based on credibility in spectrum sensing[J].Journal of Xi′an University of Posts and Telecommunications,2011,16(5):26-30.(in Chinese)

[7]ZENG K,PAWELCZAK P,CABRIC D.Reputation-based cooperative spectrum sensing with trusted nodes assistance[J].IEEE Communication Letters,2010,14(03):226-228.

[8]CHEN R,PARK J M,BIAN K.Robust distributed spectrum sensing in cognitive radio networks[C]//Proceedings of the 27th Conference on Computer Communications.Phoenix,USA:IEEE,2008:1876-1884.

[9]AKYILDIZ I F,LO B F,BALAKRISHNAN R.Cooperative spectrum sensing in cognitive radio networks:A survey[J].Physical Communication,2011,4(1):40-62.

[10]PEI Q Q,LIANG R,LI H N.A trust management model in centralized cognitive radio networks[C]//Proceedings of the 2011 International Conference on Cyber-Enabled Distributed Computing and Knowledge Discovery.Beijing:IEEE,2011:491-496.

[11]LIU Y,LI X R.Operating characteristic and average sample number functions of truncated sequential probability ratio test[C]//Proceedings of 2012 15th International Conference on Information Fusion(FUSION).Singapore:IEEE,2012:1776-1783.

[12]SUNG Y,TONG L,POOR H.Neyman-Pearson detection of Gauss-markov signals in noise:closed-form error exponent and properties[J].IEEE Transactions on Information Theory,2006,52(04):1354-1365.

[13]ZARRIN S,LIMT J.Composite hypothesis testing for cooperative spectrum sensing in cognitive radio[C]//Proceedings of 2009 IEEE International Conference on Communications.Dresden,Germany:IEEE,2009:1-5.

[14]QIHANG P,KUN Z,JUN W,et al.A distributed spectrum sensing scheme based on credibility and evidence theory in cognitive radio context[C]//Proceedings of 2006 IEEE 17th International Symposium on Personal,Indoor and Mobile Radio Communications.Helsinki,Finland:IEEE,2006:1-5.

[15]BLASCO M J,RIFA-POUS H,GARRIGUES C.Review of robust cooperative spectrum sensing techniques for cognitive radio networks[J].Wireless Personal Communications,2012,67(2):175-198.

[16]RICHARD F,HUANG M,TANG H.Biologically inspired consensus-based spectrum sensing in mobile Ad hoc networks with cognitive radios[J].IEEE Network,2010,26(3):26-30.

A Trusted Cooperative Spectrum Sensing Soft-decision Scheme Using Feedback Reputation Protection

HAN Dingkun1,FENG Jingyu1,2,LU Guangyue1,SHI Min1

(1.National Engineering Laboratory for Wireless Security,Xi′an University of Posts and Telecommunications,Xi′an 710121,China;2.State Key Laboratory of Information Security,Institute of Information Engineering,Chinese Academy of Sciences,Beijing 100093,China)

Abstract：The trust mechanism can suppress spectrum sensing data falsification(SSDF) attack caused by malicious users in cooperative sensing spectrum.However,the data fusion center receives the feedback information indiscriminately at the end of cooperative spectrum sensing,which offers the chance for malicious users to launch “sanded” attack.By using the wrong feedback of malicious users about the status of primary users,trust mechanism cannot get an accurate trust value.A novel trusted cooperative spectrum sensing soft-decision scheme using feedback reputation protection is proposed to avoid “sanded” attack.By considering the individuality characteristic in the feedback,the idea of feedback reputation is introduced to quantify cognitive user′s trust value,which can be used to weight classic soft-decision sequential probability ratio test(SPRT) algorithm,and thus eliminating SSDF attack in the soft-decision data fusion.Simulations show that the novel scheme outperforms the conventional SPRT soft-decision schemes.The FSPRT scheme can reduce trust value error effectively,and maintain a better sensing performance.Key words：cognitive radio;cooperative spectrum sensing;soft decision;feedback reputation;trust mechanism

doi:10.3969/j.issn.1001-893x.2016.06.002

收稿日期：2016-01-23；修回日期：2016-05-09Received date:2016-01-23；Revised date：2016-05-09

基金項目：國家自然科學基金資助項目(61301091)；陜西省自然科學基礎研究計劃項目(2014JQ8321)；陜西省工業(yè)攻關計劃項目(2015GY013);陜西省教育廳專項科研計劃項目(15JK1671)；中國科學院信息安全國家重點實驗室開放課題(2015-MS-14)

Foundation Item：The National Natural Science Foundation of China(No.61301091);The Natural Science Foundation of Shaanxi Province(2014JQ8321);The Industrial Research Project of Shaanxi Province(2015GY013);The Special Scientific Research Program of Shaanxi Education Department(15JK1671);The Open Subject of State Key Laboratory of Information Security of Chinese Academy of Sciences(2015-MS-14)

通信作者：xidahandk@163.comCorresponding author：xidahandk@163.com

中圖分類號：TN911.23

文獻標志碼：A

文章編號：1001-893X(2016)06-0605-07

作者簡介：

韓定坤(1990—)，男，河南孟州人，現為西安郵電大學碩士研究生，主要研究方向為認知無線電頻譜感知技術；

HAN Dingkun was born in Mengzhou,Henan Province,in 1990.He is now a graduate student.His research concerns spectrum sensing in cognitive radio.

Email:xidahandk@163.com

馮景瑜(1984—)，男，甘肅隴南人，2011年于西安電子科技大學獲博士學位，現為西安郵電大學副教授、碩士研究生導師，主要研究方向為無線通信安全、協(xié)作頻譜感知等；

FENG Jingyu was born in Longnan,Gansu Province,in 1984.He received the Ph.D. degree from Xidian University in 2011.He is now an associate professor and also the instructor of graduate students.His research concerns wireless communication security and cooperative spectrum sensing.

盧光躍(1971—)，男，河南南陽人，1999年于西安電子科技大學獲博士學位，現為西安郵電大學教授、博士生導師，主要研究方向為無線通信、認知無線電、協(xié)作頻譜感知等；

LU Guangyue was born in Nanyang,Henan Province,in 1971.He received the Ph.D. degree from Xidian University in 1999.He is now a professor and also the Ph.D. supervisor.His research concerns wireless communication,cognitive radio and cooperative spectrum sensing.

石敏(1982—)，女，陜西西安人，2006年于海南大學獲碩士學位，現為西安郵電大學講師，主要研究方向為通信網絡系統(tǒng)。

SHI Min was born in Xi′an,Shaanxi Province,in 1982.She received the M.S.degree from Hainan University in 2006.She is now a lecturer.Her research concerns communication network and system.

引用格式：韓定坤，馮景瑜，盧光躍,等.可信的反饋聲譽保護協(xié)作頻譜感知軟判決算法[J].電訊技術，2016,56(6):605-611.[HAN Dingkun,FENG Jingyu,LU Guangyue,et al.A trusted cooperative spectrum sensing soft-decision scheme using feedback reputation protection[J].Telecommunication Engineering,2016,56(6):605-611.]