ε-贪婪结合异常检测的认知无线电网络协作频谱感知方案

移动信息2016年4期27ε-贪婪结合异常检测的认知无线电网络协作频谱感知方案贲奥然南京工程学院机械工程学院，江苏南京211167摘要：针对认知无线电网络（CognitiveRadioNetwork，CRN）中由恶意次级用户（SecondaryUser，SU）导致的信道破坏问题，提出了一种ε-贪婪结合异常检测的协作频谱感知方案。首先，利用ε-贪婪算法统计主用户（PrimaryUser，PU）的占用情况，合理调整了SU占用空闲频谱；然后，利用异常事件和频谱占用的固有稀疏性，通过低复杂性和分布式块-坐标-下降近似求解，提高了频谱利用率；最后，通过跟踪慢速时变的PU活动、SU位置和恶意SU活动，校正了不一致性。仿真结果表明，提出的方案获得的收敛性均接近理想状态，且频谱利用率高于现有的较为先进的频谱感知方案。关键词：认知无线电网络；ε-贪婪；协作频谱感知；异常检测；恶意次级用户中图分类号：TN925文献标识码：A文章编号：1009-6434（2016）04-0027-03随着云计算、大数据、电子商务等领域的发展，对网络的数据传输率和安全性需求越来越高，使得认知无线电网络的地位也显得越来越重要[1]。然而，认知无线电网络（CognitiveRadioNetwork，CRN）中经常遇到信道损伤、节点故障、恶意网络攻击等现象，导致网络出现异常[2-3]。因此，找到一种能够对认知无线电网络进行有效异常检测的方法显得至关重要。学者们提出了许多利用次级用户（SecondaryUser，SU）等额外信息进行异常检测的方法，例如，文献[4]提出了一种统一方法，利用网络拓扑结构、节点位置、信号传播特性进行联合频谱检测和异常识别。文献[5]对文献[4]进行了更深层次的扩展，利用鲁棒主成分分析进行主用户（PrimaryUser，PU）功率和异常位置的联合估计。现有研究通常使用节点位置信息来频谱感知和规避攻击[6-10]，本文提出了一种广义鲁棒的协作频谱感知（CooperativeSpectrumSensing，CSS）框架，不仅能识别恶意用户和频谱机会，还能处理不准确或丢失的距离测量和噪声SU报告，从而提高频谱利用率。1系统模型考虑一个包括N个次级认知无线电（CognitiveRadio，CR）节点和单一PU的SU网络，如图1所示，时间分成多个帧，SU试图在每一帧借机访问空白频带。图1集中式频谱感知框架假设类似于文献[4-5]中的一个基本路径损耗传播模型，次级用户在频率子频带进行宽带感知。由第个SU接收的第个频率子频带的功率由下式给出：（1）对于所有和。这里，是PU在米的基准距离测量的第个频率带传输的功率，是第个SU和PU的距离，是路径损耗指数。所有的功率规定为分贝数（dBs），而噪声遵循标准差为的对数正态分布。由于信道带宽比连续的带宽大得多，多路径衰落对RSS的效果假定可忽略[12]。2提出的协作频谱感知方案2.1ε-贪婪方法利用ε-贪婪方法来选定需要感知的频率子带。ε-贪婪方法是一个种具有最小计算和内存需求的简单方法。令表示在时间步长k时的操作a的估计值，表示在时间步长k时选定的操作。ε-贪婪策略是一个临时网络方法，通过使用概率1-来选定一个具有最高估计值的操作，也就是，使得探测和利用之间达到平衡[13]。在采取了操作a之后收集回报，并更新操作a的Q值，Q值更新公式如下：（2）式（2）中，为操作a在时间步长k+1时的回报，为一个步长大小参量。在静态情景下，当步长大小参量满足如下条件时，能够确保收敛到概率为1：且（3）式（3）中，第一个条件保证了步长足够大，并超过初始条件。第二个条件确保了步长足够小，来满足最终的收敛。设定步长大小满足条件式（3）并产生过去回报的标准样本平均值。当时，估计过程将不会完全收敛，会根据最新观测的回报值而持续变化。时，所形成的观测回报的加权平均为：（4）固定步长大小适用于追踪非静态过程，如在CR网络中的信道容量。2.2异常检测接着进行异常检测[13]。许多CR网络中，PU和SU的时间尺度远大于单个帧的长度。这种情况下，SU可利用历史测量来更好的估计和跟踪系统变量。传统时变参数包括SU位置和PU活动，两者必须受监控，且恶意SU可能试图隐藏他们的存在，通过间歇性停止攻击，产生支持中的变化，也必须跟踪它[14]。目的在于在每个时刻求解下列问题：（5）现在该问题包括一个忘记因子，降权旧RSS测量{}{1,2,...,}fFnf,100,10log(/)()nffnnfrpddvdB{}{1,...,}nN{}{1,...,}fFfp0dfndn,nfvdB()kQa*ka*argmax()kakaQa()ra11()()[r()()]kkkkkQaQaaQa1r()ka(01)kkk1kk21kkk1/(1)kkk111k101()(1)()(1)()kkkiiQaQaraot22111ˆˆ{}{,}argminfttttFpotptfxorCxooe(0,1]电子与信息科学282016年4期的影响，因此允许该算法也跟踪系统参数中的小变化。此外，调整参数和也具有时间依赖性。第一项可扩展为：（6）（7）（8）式（8）中，、和更新为：（9）（10）（11）总之，在每个时刻待求解的整体递归问题由下式给出：（12）2.3不一致校正时间加权拉索不是对任何选择、与拉索问题相关的正则化参数一致[15]。如果支持误差和估计误差均逐渐收敛于0，，则将该解视作一致。尽管这样的观察很难从理论上测试手头上的问题，但是仿真中确实观察到了不一致。当改变时，的不一致。观察到，尽管归一化异常估计误差对于收敛于0，但针对这些值，误差中异常点数永不为0。此外，异常点支持的值趋向于0，而不趋向于0。为了校正该不一致，文献[15]提出了一种时间和范式加权拉索，需要使用范式。运用目前情况中一种类似的改进，每个时刻瞬间问题由式（13）给出：（13）式（13）中，权重定义为：（14）和是阶跃函数，是依赖于样本大小的正序列，“a”是常量调整参数。3仿真结果与分析仿真设置包括特定半径内的一个PU和多个SU，为了便于比较，使用文献[16]中考虑的蜂窝场景，同时保持大部分参数相同，多个SU位于距PU1000-10000米距离处。对于不同场景，网络包括10～80个节点，在参考距离下感知10～100个子带。3.1仿真结果图2所示为错失率的收敛性，虚线为理想状态，实现为利用提出方案得到的结果。从图2可以看出，经过有限次迭代后，提出方案可快速收敛，且与理想状态接近，表明提出的方案具有很好的收敛性。[17]图2错失率的收敛性3.2比较及分析将提出的方案与文献[5]方案进行比较。图3所示为两种方案的信道负载不均衡率（LoadImbalanceRate，LIR）。从图3可以看出，提出的方案LIR总是低于或等于文献[5]方案。当发生故障，且时，提出的方案利用确定出，可保持接近发生故障前的LIR大小。图4所示为两种方案的频谱利用率比较，从图中可以看出，随着负载的增加，频谱利用率均呈现增加的趋势，而在各种应用请求速率下，本文提出的方案频谱利用率高于文献[5]提出的方案，因为本文提出的方案利用异常事件和频谱占用的固有稀疏性，通过低复杂性和分布式BCD近似求解，从而提高了频谱利用率。[18]图3负载不均衡比例图4频谱利用率otpt221{}{,}tttxorCxo1(2())ttTTTTxCCxoorCxoconst2()TTTtttxAxoBoaCxoconsttAtBta1TttAACC1ttBBI1tttarrt,11ˆˆ{}{,}argmin2()fTTTttttxoFpotptfxoxAxoBoaCxooett/ototo22ˆ:oooo1oo2ˆ:oNooooN1l,ˆ,,,1ˆˆ{}{,}argmin2()ˆ()()ffTTTttttxoFppotnfnfptnffxoxAxoBoaCxowoowee(.)w[]()()()(1)ttttaxwxuxuxa[]max(,0)(.)ut=20odmiSUiiSUAUVkDiffkC0246810121400.20.40.60.81评估时间(s*10)本文方案文献[5]方案00.511.522.5300.20.40.60.81提供的负载（应用请求率）本文方案文献[5]方案移动信息2016年4期294结语本文提出了一种ε-贪婪结合异常检测的频谱感知框架，能检测和跟踪认知无线电网络中的恶意用户和异常测量。仿真结果表明，提出的方案获得的收敛性均接近理想状态，且优于现有最先进的频谱感知方案。未来会将提出的频谱感知方案扩展为在线方案，从而更好地应用于时变PU和恶意用户活动。参考文献[1]郭彩丽，张天魁，曾志民，等.认知无线电关键技术及应用的研究现状[J].无线电技术与信息，2006，22（8）：6-14.[2]MishraV.，TongL.C.，ChanS.，etal.TQCR-mediaaccesscontrol：two-levelqualityofserviceprovisio-ningmediaaccesscontrolprotocolforcognitiveradionetwork[J].IetNetworks，2014，3（2）：74-81.[3]裴庆祺，李红宁，赵弘洋，等.认知无线电网络安全综述[J].通信学报，2013，34（1）：144-158.[4]MinA.W，Kyu-HanKim，ShinK.G.Robustcooperativesensingviastateestimationincognitiveradionetworkks[C]//NewFrontiersinDynamicSpectrumAccessNetworks（DySPAN），2011IEEESymposiumon，2011：185-196.[5]XueD.，EkiciE.，VuranM.C..CooperativeSpectrumSensinginCognitiveRadioNetworksUsingMultidi-mensionalCorrelations[J].IEEETransactionsonWirelessCommunications，2014，13（4）：1832-1843.[7]党满满.认知无线电网络中模拟授权用户攻击者检测研究[D].杭州：浙江大学，2014.[8]李方伟，冯德俊，朱江.一种基于PUE恶意干扰的认知无线电态势感知方案[J].电信科学，2013，29（12）：21-27.[9]XueW.RobustCollaborativeSpectrumSensingSchemesforCognitiveRadioNetworks[J].IEEETransactionsonParallel&DistributedSystems，2014，25（8）：2190-2200.[10]申滨，王舒，黄琼，等.认知无线电最优用户选择协作频谱感知[J].北京邮电大学学报，2014，36（2）：32-37.[11]李玉峰，黄柳舟.一种基于改进加权序贯检测的协作频谱感知算法[J].计算机应用研究，2016，32（1）：171-173.[12]MaqboolSD，AhamedTPI，AliSQ，etal.Comparisonofpursuitandε-Greedyalgorithmforloadschedulingunderrealtimepricing[C]//IEEEInternationalCon-ferenceonPowerandEnergy，2012：515-519.[13]杨建辉，吴聪.PSO结合SA优化算法