The invention discloses a malicious user identification method and device based on support vector machine and threshold screening to solve the malware spectrum perception problem in two level users. By submitting the energy detection value of the two level users to the main user, this method uses the support vector machine to analyze the energy detection value of the two level users, and extracts the correct rate of the state classification of the two users to the main user. Secondly, by introducing the concept of recognition probability and missieving probability, the correct rate threshold of the state classification of two level users is calculated, and the malicious users of the two level users are screened. The invention can effectively identify malicious users in a variety of data tamper attack modes and large-scale malicious two level user attacks, thus ensuring the distribution of spectrum resources for normal users. In addition, the method can execute and select malicious users at certain fixed time points, and can meet various computational complexity occasions. One
【技术实现步骤摘要】
基于支持向量机和阈值筛选的恶意用户识别方法及装置
本专利技术涉及在5G认知无线电场景下的频谱感知,具体涉及一种基于支持向量机和阈值筛选的恶意用户识别方法及装置,属于无线通信的物理层
技术介绍
在5G认知无线电网络的若干关键技术中,网络安全性的研究是实现有效的无线通信的前提之一。在网络安全性中,较为常见的二级用户数据篡改攻击,因此从二级用户的频谱感知数据中对其进行行为分析并筛选出恶意用户就显得尤为重要。在数据篡改攻击中,恶意用户会发送错误的本地能量检测值。这种情况会显著地损害协作感知结果,从而对主用户网络产生额外的干扰,或者是降低频谱利用率。现有的恶意用户筛选方案大多是基于信用度的,即通过每回合中二级用户对主用户状态判决的贡献来对二级用户进行惩罚或者奖赏。但是这种恶意用户筛选是有局限性的:第一,正常用户可能由于低信噪比或者其他原因导致偶然的判决错误,基于信用度的方案将会因为这种偶然的错误而对正常用户进行惩罚。第二,没有一个合适的标准来选取信用度更新函数,因此信用度方案的效果会随着更新函数的差异而产生极大的变化。即特定的信用度方案的应用场合非常局限。因此需要提出一种新的非信用度方案,来改善这种传统方案的局限性并有效地解决数据篡改攻击问题。
技术实现思路
专利技术目的:针对5G认知无线电网络中恶意二级用户的数据篡改问题,本专利技术目的在于提供一种基于支持向量机和阈值筛选的恶意用户识别方法及装置,保证正常用户误筛概率的基础上,最大化恶意用户识别率,以保证可靠的频谱感知结果。技术方案:为实现上述专利技术目的,本专利技术采用如下技术方案:一种基于支持向量机和阈值 ...
【技术保护点】
1.一种基于支持向量机和阈值筛选的恶意用户识别方法,其特征在于,包括如下步骤:
【技术特征摘要】
1.一种基于支持向量机和阈值筛选的恶意用户识别方法,其特征在于,包括如下步骤:融合中心接收并存储二级用户提交的对主用户进行检测的能量值以及每个回合结束后的主用户实际在线状态;融合中心每隔设定的执行间隔进行恶意用户筛选,包括:取指定样本数量的最新历史回合能量值,以主用户实际状态作为标签进行支持向量机分类,获得各二级用户的状态分类正确率;根据各二级用户提交的信噪比和给定的正常用户误筛概率计算出状态分类正确率阈值,将状态分类正确率低于所述阈值的判断为恶意用户。2.根据权利要求1所述的基于支持向量机和阈值筛选的恶意用户识别方法,其特征在于,所述状态分类正确率阈值的计算方法为:其中,ui为二级用户i的状态分类正确率阈值,p(γi)为主用户状态的理论分类精度,R为样本数量,erfc-1表示高斯互补误差函数的逆函数,τ为给定的正常用户误筛概率。3.根据权利要求2所述的基于支持向量机和阈值筛选的恶意用户识别方法,其特征在于,所述主用户状态的理论分类精度表示为:其中,γi为二级用户i的检测信噪比,Yi为二级用户i提交的能量值,s为能量值Yi到主用户状态判决结果的能量判决阈值,H0和H1分别表示主用户占用和不占用的情况,P(Yi>s|H0)表示在假设H0分布情况下,能量值Yi大于s的概率,P(Yi...
【专利技术属性】
技术研发人员:宋铁成,胡静,朱翰宬,吴俊,夏玮玮,燕锋,沈连丰,
申请(专利权)人:东南大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。