恶意环境中基于能量效率的安全协作频谱感知

曹 龙 赵杭生 姚富强 鲍丽娜 张建照 柳永祥

（1.解放军理工大学通信工程学院，江苏 南京210007；2.南京电讯技术研究所，江苏 南京210007；3.中国联通江苏分公司，江苏 南京210019）

引 言

下一代无线通信系统需要为用户提供随时随地的通信服务，满足不同用户的服务质量（Quality of Services，QoS）和用户体验（Quality of Experience，QoE）需求.为了实现这些目标，网络基站和用户终端必然会消耗比目前更多的能量，对于运营商来说，这无疑会增加运营所需要的成本，而对于用户来说，会缩短终端所能使用的时间.因此，近年来无线通信领域的能量效率（Energy Efficiency，EE）引起了研究人员的广泛关注［1］.以认知无线电（Cognitive Radio，CR）［2-5］技术为基础的未来无线通信系统能够提高频谱利用率，提供更高的场景适应能力、更可靠和个性化的无线通信服务，促进网络间的互联互通.在CR网络中，存在两类不同的用户：主用户（Primary User，PU）和次级用户（Secondary User，SU）.在不对PU造成干扰的前提下，SU能够机会地接入空闲频谱而不需要运营商的授权，这就要求SU能够实时掌握频谱的状态，也就是具备频谱感知（Spectrum Sensing，SS）能力［6］.

在实际应用场景中，单节点SS的性能通常受到诸如多径衰落、阴影效应和接收机不确定性等问题的影响.近年来提出了协作频谱感知（Cooperative Spectrum Sensing，CSS）的概念：利用空间分集来提高系统的检测性能［3］.在CSS中引入了具备信息融合功能的实体——融合中心（Fusion Center，FC），它能够控制CSS过程并收集SU的本地感知结果，根据一定的融合准则（Fusion Rule，FR）做出全局决策，再将频谱占用情况发送给SU.根据SU报告的信息类型，FR可以分为硬判决和软判决.硬判决中，SUs报告做出本地判决并报告1比特的感知结果；软判决中，SUs则报告整个本地感知结果，文中的研究基于硬判决准则.

从上面的描述中可以看出，完成本地感知后，系统需要特殊的报告信道（控制信道）将结果发送至FC，这对系统的安全性又带来了新的挑战.在CSS阶段，系统中可能存在某种恶意用户（Malicious User，MU）向FC发送错误的本地感知结果，使其做出错误的判决结果，这种攻击称为频谱感知数据篡改（Spectrum Sensing Data Falsification，SSDF）攻击［4］，又称为“拜占庭”攻击.

本文首先提出了CSS中EE的概念，推导了SSDF攻击对CSS检测性能和EE的影响.提出了一种低开销的对称加密方法来确保感知报告数据的完整性，在此基础上优化系统的EE，通过实验仿真给出问题的数值解.

1 频谱感知数据篡改攻击

根据发起攻击的阶段不同，SSDF攻击分为两类：终端-SSDF，MU将错误的本地SS结果发送至FC；报告信道-SSDF，报告信道上SU发送的SS结果被MU截获并进行恶意篡改.

根据定义分析，下面两种因素将导致攻击发生：第一类是网络中参与协作的SUs由于故障等原因，本地感知能力下降或完全消失，无意识地向FC发送错误的感知结果；第二类则是网络中存在一定数量的攻击用户，为了自身利益，蓄意操控和篡改感知数据并上报给FC，以诱使FC做出错误的决策.例如，SU可以通过发送“1”达到长期占用某段频谱的目的；SU也可以通过发送“0”使得其他SUs错误地占用频谱，对PU形成干扰进而导致网络崩溃.上述两种攻击类型都属于静态的恶意行为，在CR网络中也存在动态的恶意行为，具备CR功能的MU能够根据频谱状态和自身需求动态地改变攻击行为.

针对SSDF攻击，文献［7］提出一种基于信誉度的加权序贯概率比检测，利用信誉度减小攻击对系统的影响.文献［8］提出在SUs和FC间建立一条安全的链路，保证报告信息的安全性和完整性.文献［9］通过数据预滤波排除本地感知结果中的异常值，将每个CR节点的信任因子转化为加权系数，采用非等权重对结果进行合并.文献［10］中SUs利用入侵检测系统（Intrusion Detection System，IDS）检测无线区域网络是否被攻击.但是，实现上述方法需要一定的时间积累，或者特殊的信道资源，具有一定的局限性，可以考虑引入传统网络中的加密机制.

2 系统模型

2.1 系统架构

如图1基于硬判决的集中式CSS中，存在一对PU收发机以1-P0（P0是PU空闲的概率）的概率占用授权频段，N个合法SUs利用频谱空闲时刻进行通信.为了保证不对PU的通信造成影响，SUs通过能量检测对PU的工作状态进行周期性地感知.该过程可以看成是一个二元假设检验问题，H0代表PU未工作，H1代表PU活动.

由于采用了硬判决准则，SUi执行本地检测后会将结果uSUi∈｛0，1｝发送给FC.报告信道的误比特率（Bit Error Probability，BEP）Pb将会导致FC观测到SUi的检测概率和虚警概率与实际的和不同

图1 基于硬判决的集中式CSS

同理，

如果SUs都采用相同的Neyman-Pearson准则，有，可以得到

FC采用最常用的硬判决准则——KN准则，K（1≤K≤N）为预设的门限，如果参与协作的N个SUs中至少有K个报告PU活动，那么FC就声明H1.该准则用数学公式可以表示为

在这种规则下，系统的虚警概率PF可以表示为

这里假设所有SUs感知信道上的信噪比相同，并且具备相同的检测能力，则有，式（1）可以改写为

基于以上假设，根据判决准则可以得出系统的检测概率

上面的分析没有考虑SSDF攻击对CR网络的影响，假设图1系统中还存在M个恶意行为相同的MUs并且能保证攻击的效果，此时式（4）二元假设检验可以表示为

当M＝0，即不存在MUs时，式（5）和式（7）分别给出了系统的虚警概率和检测概率；当M≠0，即存在MUs时，不同的恶意行为将会对系统的检测性能造成不同的影响.本文主要针对MU长期发送“1”（即uMUj≡1）的情况进行分析和研究，直观地分析，此时将会同时增大系统的检测概率和虚警概率，这就意味着系统检测率提高的同时降低了频谱利用率.当M≥K时，FC将始终判定PU存在；当M＜K时，式（8）可以改写为

则系统的检测概率和虚警概率分别为：

2.2 能量效率

利用检测概率和虚警概率可以衡量攻击对系统检测性能的影响，但是SUs有时可能是电池驱动的传感器，此时我们更关注“能量”方面的指标.这里引入能量效率μ这一参数，它是系统中合法SUs成功传输的比特数与消耗能量的比值，不考虑系统中存在MU时能量效率μ为

式中：R是占用该空闲频段进行通信的SU的传输速率，bps；T是通信的时间；Ecss是合法SUs参与CSS所消耗的能量；Et是该SU通信所消耗的能量；P0（1-PF）表示PU空闲并且FC正确检测到的概率，也就是说只有在该情况下占用空闲频段的SU才能正确传输，否则式（12）的分子将等于零.可以看出，EE同时也反映了系统的安全性.

3 安全的CSS

文献［11］指出利用加密机制对SU进行鉴权是保证CR网络安全的常用方法之一，本文拟采用报文鉴别码（Message Authentication Code，MAC）［12］对SU报告的感知结果进行鉴权，从而避免SSDF攻击对系统感知性能的影响.MAC也称为密码校验和，是一种对称的加密机制，它利用一个密钥对原始报文产生一个长度为n比特的数据分组，并附加在报文中用于鉴别.

MAC的使用方法如图2所示，其生成函数表示为MAC＝CK（M），FC与SU共享一个密钥K，M为原始1比特感知结果，SU利用密钥K和函数C生成B-1比特的鉴别码MAC，这样SU将发送B比特的数据至FC，FC使用相同的密钥K并执行相同的函数C生成鉴别码，并将收到的鉴别码MAC与计算得到的鉴别码进行比较，如果相同则代表感知数据没有改变.

图2 报文鉴别码的使用方法

分析后可以发现上述方法容易受到回放攻击［13］的影响，因此将生成函数修改为

引入Seq.Number表示发起CSS的序号，该值由FC发送CSS控制信息时进行实时更新，MU会因为不能获得该值而无法实现攻击.

此时MU如果希望实现SSDF攻击，必须获得每次报告数据的鉴别码MAC，MU随机猜对该鉴别码的概率为

由全概率公式［14］，可以得到该机制下系统的检测概率和虚警概率

将式（10）和式（11）中的M替换为i分别得到PD（i，N）和PF（i，N）.同理，可以得到系统此时的EE为

式（18）是关于参数K、B的函数，很难直接得到它们的最优解，而K的取值常常受到合法SUs数目的制约（1≤K≤N），可以在固定K的情况下，求解B的最优解，进而得到全局最优解（Kopt，Bopt）.当K一定时，式（18）是关于参数B的凹函数，因此难以得到最优解B的闭合表达式，在规模不大的CR网络中可以通过搜索算法来进行求解，在下面一节中将通过仿真给出优化问题的数值解.

4 仿真分析

假设系统中存在N＝10个合法SUs，其余的仿真参数如表1所示.

表1 仿真参数设置

图3描述了非安全的CSS中MU对系统EE的影响.从结果中可知：MU的出现导致了EE的下降，随着系统的融合门限K增大，这种影响会逐步减小；而随着MU数量M增大，影响会越来越明显，特别是M≥K时，EE等于零.从理论上分析，这是由于融合门限K的增大导致了系统PF的减小，而MU数量M的增大导致了系统PF的增大，根据式（12）这将分别导致EE的增大和减小.特别是当M≥K时，系统会始终认为存在恶意用户，此时系统的PF≡0，从而致使μ＝0.

图4描述了安全的CSS中MU对系统EE的影响，这里将B的值设置为5，也就是说MAC的长度为4.从结果中可知，MAC加密机制的引入极大地缓解了MU对系统EE的影响，EE对MU数量的变化不再敏感，例如当（K，M）＝（3，1）时，EE从30.5kbit／J提高到了37.7kbit／J，提高了23.6%；并且M＝0时EE的值相比于图3在一定程度上都变小.从理论上分析，MAC机制使得在同等情况下系统PF的增大量变小，而因为报告数据长度的增加，系统所消耗的总能量将增大，根据式（17），以上两个因素将分别导致EE的增大和减小.特别是当M＝0时，式（12）和式（17）的分子相等，安全的CSS中系统所消耗的总能量变大，导致该情况下安全的CSS中EE有所下降.

图3 非安全的CSS中MU对系统EE的影响

图4 安全的CSS中MU对系统EE的影响

图5描述了报告数据长度B和融合门限K对系统EE的影响，为了不失一般性，这里将M的值设置为3，最终得到可行解点集（B，K，μ）所张成的空间曲面.从结果中可知，EE随着K的增大而增大，而其随着B的变化趋势不确定，这与式（18）的分析是相吻合的.例如当K＝2时，EE随着B的增大先增大后减小，当B＝8时有最大值28.3kbit／J；当K＝8时，EE随着B的增大而减小，显然当B＝1时有最大值43.1kbit／J.同时可以看出当K≥8时，Bopt＝1，也就是说安全的CSS反而引起了EE的下降，这可能是因为从EE的角度出发，融合门限K足够大时可以缓解文中攻击类型对EE的影响，此时采用加密机制会适得其反.一般情况下，系统的融合门限K是固定的，可以根据图5选择此时系统的最优报告数据长度B.

图5 报告数据长度B和融合门限K对系统EE的影响

5 结 论

针对频谱感知过程中可能出现的频谱感知数据篡改攻击，提出了一种低开销的对称加密方法，在次用户报告的数据中加入报文鉴别码，保证数据的完整性.提出了协作频谱感知中能量效率的概念，该指标能够兼顾安全性和能量这两方面，通过改变报文鉴别码的长度优化能量效率.实验仿真给出了最优长度的数值解并验证了文中方法的有效性.

［1］AGAPI M，FERRAN A，LUIS A，et al.Energy efficiency analysis of secondary networks in cognitive radio systems［C］／／IEEE International Conference on Communications.Budapest，June 9-13，2013：4115-4119.

［2］MITOLA J，MAGUIRE G Q.Cognitive radio：making software radios more personal［J］.IEEE Personal Communications，1999，6（4）：13-18.

［3］姚富强，张建照，柳永祥，等.动态频谱管理的发展现状及其应对策略分析［J］.电波科学学报，2014，28（4）：794-803.YAO Fuqiang，ZHANG Jianzhao，LIU Yongxiang，et al.Review of the development of dynamic spectrum management and the resolving strategies analysis［J］.Chinese Journal of Radio Science，2014，28（4）：794-803.（in Chinese）.

［4］甘小莺，陈时阳，王路洋，等.认知无线电中能效优先的多用户随机接入方法［J］.电波科学学报，2014，28（4）：648-655.GAN Xiaoying，CHEN Shiyang，WANG Luyang，et al.Energy efficient multi-user random access in cognitive radio［J］.Chinese Journal of Radio Science，2014，28（4）：648-655.（in Chinese）.

［5］洪 浩，张 焱，肖立民，等.认知双向中继网络的功率分配优化算法研究［J］.电波科学学报，2014，29（2）：201-206＋226.HONG Hao，ZHANG Yan，XIAO Limin，et al.Optimal power allocation for cognitive two-way relaying networks with underlay spectrum sharing［J］.Chinese Journal of Radio Science，2014，29（2）：201-206＋226.（in Chinese）.

［6］AKYILDIZ I F，LO B F，BALAKRISHNAN R.Cooperative spectrum sensing in cognitive radio networks：a survey［J］.Physical Communication，2011，4（1）：40-62.

［7］CHEN R，PARK J M，BIAN K.Robust distributed spectrum sensing in cognitive radio networks［C］／／IEEE International Conference on Computer Communications.Phoenix，April 13-18，2008：1876-1884.

［8］CHEN R，PARK J M，HOU Y T，et al.Toward secure distributed spectrum sensing in cognitive radio networks［J］.IEEE Communications Magazine，2008，46（4）：50-55.

［9］KALIGINEEDI P，KHABBAZIAN M，BHARGAVA V K.Secure cooperative sensing techniques for cognitive radio systems［C］／／IEEE International Conference on Communications.Beijing，May 19-23，2008：3406-3410.

［10］FADLULLAH Z M，NISHIYAMA H，KATO N et al.Intrusion detection system（IDS）for combating attacks against cognitive radio networks［J］.IEEE Network，2013，27（3）：51-56.

［11］BALDINI G，STURMAN T，BISWAS A R，et al.Security aspects in software defined radio and cognitive radio networks：a survey and a way ahead［J］.IEEE Communications Survey and Tutorials，2012，14（2）：355-379.

［12］张世永.网络安全原理与应用［M］.北京：科学出版社，2005.

［13］ZHU Minghui，MARTINEZ S.On the performance analysis of resilient networked control systems under replay attacks［J］.IEEE Transactions on Automatic Control，2014，59（3）：804-808.

［14］盛 骤，谢式千，潘乘毅.概率论与数理统计［M］.北京：高等教育出版社，2002.