一种基于图神经网络的认知无线电恶意用户识别方法

技术领域

本发明涉及无线电通信技术领域，具体地说，是一种基于图神经网络的认知无线电恶意用户识别方法。

背景技术

近年来由于无线电设备的急剧增加和频谱的静态管理，造成无线电可用频谱的短缺，解决问题的方法之一是使用认知无线电技术。认知无线网络可以在不影响主用户的情况下使用闲置资源，对频段进行授权，提高频谱资源的利用率，满足更多无线用户的需求。认知无线网络本质上是一种具有认知特性的无线通信网络，目的是解决无线频谱资源稀缺的问题。认知无线电网络可以观察周围的无线网络环境，并利用环境感知来获取相关的频谱使用信息，对获取的信息进行处理和学习，用于决策，动态访问可用频谱，最终重构网络，适应动态认知无线网络环境，最大化使用频谱。认知无线网络中的用户称为认知用户，认知用户借用原本属于主用户的信道，所以，一旦主用户使用认知用户占用的信道，认知用户必须立即退出信道，同时寻找其他可用的信道。

认知无线电包含多个方面的技术，其中频谱感知是认知无线电用户等待机会使用主用户频谱，传输数据的关键技术。同时由于设备故障、信道阴影衰落、噪声等原因，单个认知用户经常误判主用户占用信道情况。不过认知用户间的协同频谱感知可以解决上述问题，有效提高频谱观测的效率和可靠性。

协作感知虽然提高了感知的精度，但是将系统暴露在可能的恶意用户的危险中：不进行任何感知操作，随机报告感知结果，从而节省时间和能量；或者向融合中心报告信道忙，使融合中心做出错误判断，达到占用频谱的目的，或者对网络发起拒绝服务攻击。

发明内容

本发明提供了一种基于图神经网络的认知无线电恶意用户识别方法，用于识别并移除认知无线电网络中的恶意用户，本发明引入图神经网络重构认知无线电网络获取的异常度，充分考虑认知无线电网络的图结构模型，有效检测出认知无线电网络中的恶意用户。

为实现上述目的，本发明采用的技术方案为：

一种基于图神经网络的认知无线电恶意用户识别方法，包括如下步骤：

步骤S1、认知无线电网络中，各个认知用户在一定时间段内使用能量检测，做出本地判决，并将本地判决上传至融合中心FC：用E

步骤S2、融合中心FC以先入先出的方式存储一定时间段内各个认知用户的本地判决结果，同时融合中心FC通过地理位置数据库获取认知用户的地理位置，并将相近的认知用户连接起来，构成一张图；

步骤S3、融合中心将步骤S2中存储的各个用户的本地判决结果与认知用户的地理位置信息作为图神经网络的输入信息，图神经网络自编码器将输入重构，并将重构误差作为输出，图神经网络的目标是最小化重构误差，当迭代次数超过一定限值时停止；

步骤S4、对步骤S3中图神经网络输出得到的重构误差进行极大极小归一化，作为当前认知无线电网络中各个认知用户的异常程度，在本发明中通过异常程度初步判决一个认知用户是否是一个恶意用户，如下公式：

其中，rec是图神经网络输出的重构误差，

步骤S5、设立认知用户列表，对异常度超过阈值的在对应列表中置值为1，表示该用户为恶意用户，异常度没有超过阈值的置为0值，表示该用户为正常的诚实用户，如下公式：

其中，S是设立的认知用户列表，λ是阈值；

步骤S6、计算认知用户在一定时间段内本地做出的判决与融合中心做出的全局判决的相似度，如下公式：

其中，R是一定时间段内本地判决与全局判决相同的次数，T是一定时间内认知用户检测主用户是否存在的次数；

步骤S7、通过归一化公式对相似度进行归一化：

步骤S8、计算重构误差与全局相似程度d的冲突程度，如下公式：

c＝rec×(1-d)+(1-rec)×d

其中，c指冲突程度；

步骤S9、对冲突程度较严重的认知用户SU

本发明的有益效果：一方面通过引入图神经网络检测认知用户中的恶意用户，图神经网络能够更好的将认知用户间的关联信息表现出来，提高认知无线电网络检测网络中恶意用户的检测性能，提高融合中心FC在融合各本地检测结果时的准确度；另一方面充分考虑到认知用户所处环境、结合邻居用户情况，对图神经网络输出做出了有益补充，有效提高认知无线电系统的检测性能。

附图说明

图1为本发明提供的认知无线电系统架构示意图。

图2为本发明中神经网络结构示意图。

图3为本发明中算法流程图。

具体实施方式

为了加深对本发明的理解，下面将结合附图和实施例对本发明做进一步详细描述，该实施例仅用于解释本发明，并不对本发明的保护范围构成限定。

实施例：如图1所示，本发明作为基础的认知无线电网络包含一个主用户(PU)、一个融合中心(FC)和若干个认知用户(SU)，认知用户SU分为诚实用户(HU)和恶意用户(MU)。通常意义下的认知无线电可以概括为以下几点：1)主用户PU的优先级最高，认知用户临时占用频谱的真正拥有者。因此，认知无线电首先要确保主用户PU正常工作，在任何情况下主用户不受认知用户的限制；2)认知用户通常依据一定算法不断感知主用户所拥有的频谱情况，只有当主用户不占用频谱时才尝试接入；3)集中式频谱感知中融合中心负责融合认知网络中各认知用户的本地判决，以判断主用户是否占用频谱；4)认知无线电系统仅对认知用户有效，主用户不需要考虑认知无线电系统；5)认知用户和融合中心之间是双向链路，可以双向通信；6)在发明中，融合中心通过图神经网络整合各个认知用户的信息，如图2所示。

参见图3所示，本发明基于图神经网络的认知无线电恶意用户识别方法有如下操作步骤：

步骤S1、认知用户SU

步骤S2、认知用户在步骤S1中获取的若干本地判决按时间先后顺序形成序列P

步骤S3、参见图3所示，认知用户将步骤S2得到的序列P

步骤S4、融合中心FC将步骤S3中输入图神经网络，运行得到的重构误差归一化，

其中rec是图神经网络输出的重构误差，

步骤S5、设立认知用户列表，融合中心FC对异常度超过阈值的认知用户在对应列表中置值为1，表示该认知用户为恶意用户，异常度没有超过阈值的认知用户置为0值，表示该认知用户为正常的诚实用户。

其中S是设立的认知用户列表，λ是阈值；

步骤S6、检测周期结束后，融合中心比较认知用户本地检测结果E

其中

步骤S7、通过归一化公式对相似度进行归一化。

步骤S8、计算重构误差与全局相似程度d的冲突程度

c＝rec×(1-d)+(1-rec)×d

步骤S9、当上述环节完成后，融合中心FC按下述条件判断是否需要对图神经网络获取结果进行修正：(1)如果一个认知用户的冲突程度c值如果过大，那么就比较该认知用户的邻居用户是否有过多的恶意用户，如果有，那么将该认知用户视为正常用户，如果没有，那就不进行修正，并在下一个周期转回步骤S2。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。