文献类型：期刊文章

作　　者：吴晓晓[1,2] 李刚强[3] 张胜利[1,2]

WU Xiao-xiao;LI Gang-qiang;ZHANG Sheng-li(College of Electronics and Information Engineering,Shenzhen University,Shenzhen,Guangdong 518060,China;Peng Cheng Laboratory,Shenzhen,Guangdong 518055,China;College of Information Engineering,Huanghuai University,Zhumadian,Henan 463000,China)

机构地区：[1]深圳大学电子与信息工程学院,广东深圳518060 [2]鹏城实验室,广东深圳518055 [3]黄淮学院信息工程学院,河南驻马店463000

出　　处：《电子学报》

基　　金：国家自然科学基金(No.62171291);广东省自然科学基金面上项目(No.2021A1515011915);河南省科技攻关项目(No.212102210142)。

年　　份：2022

卷　　号：50

期　　号：6

起止页码：1370-1380

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：认知无线电是解决无线通信能量有效性问题的关键技术,其中频谱感知对于提高频谱的利用效率有着重要意义.针对基于共识的分布式协作频谱感知算法易受到恶意节点数据注入攻击,影响认知网络性能的问题,本文提出了两种基于神经网络的恶意节点检测和定位方法抵制网络内的恶意攻击行为,并采用基于Gossip Learning的联合学习策略进一步增强训练邻域检测和定位模型的鲁棒性.本文在9个认知节点的曼哈顿网络上模拟了分布式频谱感知的过程,并验证所提出方法的有效性.结果表明,所提方法具有良好的恶意节点检测和定位性能,联合学习策略能够使神经网络在样本局部有限的情况下学习到更多的攻击特征,提高本地检测和定位模型的可靠性.

关 键 词：认知无线电 协作频谱感知 共识算法  恶意节点 神经网络 联合学习  

分 类 号：TN92]