CR中機(jī)會(huì)頻譜接入與路由安全機(jī)制研究.pdf

1、認(rèn)知無(wú)線(xiàn)電（Cognitive Radio，CR）相比傳統(tǒng)的無(wú)線(xiàn)網(wǎng)絡(luò)具有更大的挑戰(zhàn)。本論文以CRAHNs網(wǎng)絡(luò)中的MAC層機(jī)會(huì)頻譜接入以及路由安全為研究對(duì)象，研究CRAHNs網(wǎng)絡(luò)設(shè)計(jì)實(shí)現(xiàn)中的關(guān)鍵技術(shù)問(wèn)題。
　　在CRAHNs中，次用戶(hù)完成機(jī)會(huì)頻譜接入的問(wèn)題可以建模為部分可觀(guān)測(cè)的馬爾科夫過(guò)程（Partially Observable Markov Decision Process，POMDP），由于POMDP屬于NP完全(NP Com

2、plete,NPC)問(wèn)題，存在“維度災(zāi)難”效應(yīng)。而Monte Carlo估計(jì)的精度僅與求解問(wèn)題的方差平方成反比，與維度無(wú)關(guān)。本文據(jù)CRAHNs網(wǎng)絡(luò)特性，給出simplified-MCTS方法求解機(jī)會(huì)頻譜接入問(wèn)題。Simplified-MCTS建立額外存儲(chǔ)矩陣用于替代回溯步驟的節(jié)點(diǎn)統(tǒng)計(jì)信息更新。同時(shí)，采用淺仿真樹(shù)來(lái)完成MCTS中Monte Carlo仿真部分。
　　安全路由方面，本文主要研究攻擊類(lèi)型為路由黑洞的惡意節(jié)點(diǎn)入侵。本文采用

3、基于特征序列的檢測(cè)方式。網(wǎng)絡(luò)的特征序列由 FP-Growth方法對(duì)報(bào)文轉(zhuǎn)發(fā)規(guī)律提取得到。實(shí)驗(yàn)表明，當(dāng)捕獲到的路由表信息足夠多時(shí)，特征序列趨于穩(wěn)定。當(dāng)網(wǎng)絡(luò)遭受惡意節(jié)點(diǎn)入侵時(shí)，統(tǒng)計(jì)序列秩的變化情況，生成可疑節(jié)點(diǎn)集。再對(duì)可疑節(jié)點(diǎn)集內(nèi)節(jié)點(diǎn)進(jìn)行DE-Cusum檢測(cè)，定位惡意節(jié)點(diǎn)。
　　機(jī)會(huì)頻譜接入仿真實(shí)驗(yàn)結(jié)果表明，simplified-MCTS性能表現(xiàn)優(yōu)于隨機(jī)貪婪方法，和Q-learning、MCTS方法性能表現(xiàn)基本一致，但其時(shí)間復(fù)雜度相對(duì)