基于强化学习的分布式智能入侵防御方案设计

李炳星，季 薇

(南京邮电大学 通信与信息工程学院，江苏 南京 210003)

0 引 言

认知无线电(cognitive radio，CR)[1]作为下一代无线通信技术，有效解决了频谱资源紧缺的问题，极大提高了频谱利用率。CR采用动态频谱接入方式实现次用户对频谱资源的二次利用，是目前被一致认可的解决频谱利用率低的最佳方案。其中，协作频谱感知(cooperative spectrum sensing，CSS)技术是认知无线电技术中的关键环节，CSS不仅可以提高频谱感知效率，而且可以克服无线环境中的阴影衰落、多径效应等的影响。然而，无线信道的开放性与复杂性，使得协作频谱感知极易受到恶意用户的攻击，致使频谱感知的可靠性与稳定性受到很大影响，因此频谱感知过程中恶意用户的检测与防御变得尤为重要。

在分布式协作频谱感知过程中，常见的恶意攻击是主用户伪造攻击(primary user emulation，PUE)[2]和频谱感知数据篡改攻击(spectrum sensing data falsification，SSDF)[3]，目前研究较多的是后者。针对SSDF攻击，文献[4]提出一种动态信任度管理机制方法，当某认知用户为诚实用户的概率大于其为恶意用户的概率时，该认知用户被视为诚实的认知用户；相反，当某认知用户为恶意用户的概率大于其为诚实用户的概率时，该认知用户被视为恶意的认知用户。但是，在邻居用户中存在较多恶意用户的情况下，诚实的邻居用户将会被误判为恶意用户。文献[5]提出一种信任值异常检测的防御机制，该机制借助认知用户的信号接收强度(received signal strength，RSS)值判断主用户状态。其中，融合中心通过邻居用户的最大与最小信号接收强度计算出邻居用户对主用户的判决结果。……