基于群体智能的分布式认知无线网络双向入侵检测机制研究

With their ability to detect and use the spectrum opportunities, Cognitive Radio Networks (CRNs) arise as a promising solution to the scarcity of spectrum. However, besides the well-known attacks to wireless networks, new attacks threaten this type of networks. The existing security mechanism cannot be applied directly to cognitive radio networks. Fully considering the new features of the distributed cognitive radio networks and the special security threats in the distributed cognitive radio networks, this project studies an efficient two-sided intrusion detection mechanism for the distributed cognitive radio networks. This intrusion detection mechanism is based on the theory and technology of intelligent agents, cloud computing, cross-layer technology, game theory and etc. Firstly, we study the model of our intrusion detection mechanism based on intelligent agents and the management mechanism of the including agents with reference to swarm intelligence. Secondly, we focus our attention on the cloud computing framework for our intrusion detection and then explore the intrusion detection mechanism based on cross-layer mechanism under this framework. Last, we introduce the game theory to optimize our intrusion detection mechanism. Though this project, we can design a robust, secure and efficient intrusion detection mechanism for cognitive radio networks and thus make a contribution to the development and practical application of cognitive radio networks.

认知无线网络通过感知并利用空闲频谱为频谱短缺问题提供了有效的解决方案。然而，认知无线网络的新特性也为其带来了新的安全威胁，现有的安全机制并不能直接应用于认知无线网络。充分考虑分布式认知无线网络的认知性、频谱动态性、网络动态性等新特性，针对分布式认知无线网络的特有安全威胁，本项目利用智能代理、云计算、跨层、博弈等技术，从网络整体的角度出发，为分布式认知无线网络研究具有认知功能的高效双向入侵检测机制。首先，研究基于智能代理的分布式入侵检测模型以及基于群体智能的代理管理机制；其次，为入侵检测构建云计算架构，并在云计算架构下基于跨层等技术研究双向入侵检测机制；最后，基于博弈控制理论研究入侵检测机制的优化方案。通过本项目，将为分布式认知无线网络研究健壮、安全、高效的入侵检测机制，对推进认知无线网络的技术发展和实际应用提供有力的理论支撑和安全保障。

认知无线网络通过感知并利用空闲频谱为频谱短缺问题提供了有效的解决方案。然而，认知无线网络的新特性也为其带来了新的安全威胁。充分考虑分布式认知无线网络的认知性、频谱动态性、网络动态性等新特性，针对分布式认知无线网络的特有安全威胁，本项目利用智能代理、云计算、跨层、博弈等技术，从网络整体的角度出发，为分布式认知无线网络研究具有认知功能的高效双向入侵检测机制。.针对感知数据的可靠性，提出一种基于代理的入侵检测方法，通过群体智能技术进行代理之间的协作，对恶意行为进行有效监测；同时提出了基于代理的位置推理攻击检测方法，利用基站作为代理通过混淆注册来降低位置推理攻击的概率；基于节点检测的分布式频谱感知方法，利用邻居节点对数据变化的异常特性进行检测，从而剔除可疑数据；基于关系匹配的频谱感知数据检测方法，通过松弛置信区间的设置和动态数据匹配，检测可疑数据来减少攻击者的影响。.在云计算架构下，提出了一种双向入侵检测机制，通过对代理的分层分级和跨层协作，实现了内外部节点的异常检测，达到了双向入侵检测的目的，保证了整个网络的安全性；为提高云存储效率，除了考虑外包数据的机密性，本项目致力于确保去冗余云存储的完整性，提出了去冗余云存储中消息锁定的完整性验证方法，该方法在随机预言模型的CDH假设下安全。.最后，提出了基于嵌套博弈的信任管理方法，通过嵌套博弈的优化理论对效用函数进行迭代优化，得出纳什均衡下的用户策略；系统在多次频谱分配后检测并剔除恶意用户，用户行为通过相互学习趋于良好，并使得整个系统趋于良性循环。.基于本项目资助，课题组在国内外会议和期刊上发表学术论文14篇、获得国家级奖励1项、省部级奖励1项、市级奖励1项、专利授权4项、专利申请10项、颁布标准3项。本项目为推进认知无线网络的技术发展和实际应用提供了理论支撑和安全保障。