Secure Collaborative Spectrum Sensing for Distributed Cognitive Radio Networks
محل انتشار: مجله مهندسی برق مجلسی، دوره: 9، شماره: 2
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 73
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MJEE-9-2_007
تاریخ نمایه سازی: 12 شهریور 1402
چکیده مقاله:
Spectrum sensing is a key function of Cognitive Radio (CR) networks. An accurate spectrum sensing scheme can improve spectrum utilization. But, in practice, detection performance is often degraded with multipath fading, shadowing and receiver uncertainty issues. To overcome the impact of these issues, Collaborative Spectrum Sensing (CSS) has been shown to be an effective approach to improve the detection performance by exploiting diversity. The reliability of CSS can be severely degraded by Spectrum Sensing Data Falsification (SSDF) attacks. Protecting the CR networks against SSDF attacks, Weighted Sequential Probability Ratio Test (WSPRT) has been proposed. Compared with conventional SPRT, the WSPRT improves correct sensing probability at the cost of increasing sampling overhead. In the present study, weighted majority rule is introduced and combined with the WSPRT to improve trustworthiness of collaborative spectrum sensing in the presence of SSDF attackers. Furthermore, to avoid increasing the sampling overhead, Roulette Wheel Selection (RWS) algorithm is used to collaborative node selection. The proposed method is called Developed WSPRT (DWSPRT). Simulation results show that the DWSPRT is an effective data fusion approach against SSDF attacks, especially for CR networks located in hostile environments.
کلیدواژه ها:
نویسندگان
Abbas Ali Sharifi
Department of Electrical Engineering, Bonab Branch, Islamic Azad University, Bonab, Iran
Mir Javad Musevi Niya
Faculty of Electrical and computer Engineering, University of Tabriz Tabriz, Iran
Hamed Alizadeh Ghazijahani
Faculty of Electrical and computer Engineering, University of Tabriz Tabriz, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :