[논문 리뷰] Particle Swarm Optimization Approaches for Primary User Emulation Attack Detection and Localization in Cognitive Radio Networks

Walid R. Ghanem, Reem E. Mohamed외 2명|arXiv (Cornell University)|2019. 01. 22.

Indoor and Outdoor Localization Technologies참고 문헌 29인용 수 5

한 줄 요약

이 논문은 시간도착차이(TDOA) 측정을 사용하여 인지 무선 네트워크(CRN)에서 주요 사용자 에뮬레이션 공격(PUEA)을 탐지하고 국지화하기 위한 새로운 입자군집최적화(PSO) 변형을 제안한다. 적응형 PSO 파라미터를 사용하여 TDOA 비용 함수를 최적화함으로써, 표준 PSO 및 타일러 급수 추정(TSE)보다 높은 국지화 정확도와 더 빠른 수렴 속도를 달성하였으며, MSE 및 CDF 지표를 통해 검증되었다.

ABSTRACT

The primary user emulation attack (PUEA) is one of the common threats in cognitive radio networks (CRNs), in this problem, an attacker mimics the Primary User (PU) signal to deceive other secondary users (SUs) to make them leave the white spaces (free spaces) in the spectrum assigned by the PU. In this paper, the PUEA is detected and localized using the Time-Difference-Of-Arrival (TDOA) localization technique. Particle Swarm Optimization (PSO) algorithms are proposed to solve the cost function of TDOA measurements. The PSO variants are developed by changing the parameters of the standard PSO such as inertia weight and acceleration constants. These approaches are presented and compared with the standard PSO in terms of convergence speed and processing time. This paper presents the first study of designing a PSO algorithm suitable for the localization problem and will be considered as a good guidance for applying the optimization algorithms in wireless positioning techniques. Mean square error (MSE) and cumulative distribution function (CDF) are used as the evaluation metrics to measure the accuracy of the proposed algorithms. Simulation results show that the proposed PSO approaches provide higher accuracy and faster convergence than the standard PSO and the Taylor series estimation (TSE).

연구 동기 및 목표

• 인지 무선 네트워크(CRN)에서 주요 사용자 에뮬레이션 공격(PUEA)이라는 심각한 보안 위협을 해결하기 위해.
• 스펙트럼 액세스 보안을 향상시키기 위해 다수의 보조 사용자로부터의 시간도착차이(TDOA) 기법을 사용하여 PUEA를 탐지하고 국지화하기 위해.
• 표준 PSO 및 TSE보다 국지화 정확도와 수렴 속도를 향상시키기 위해 맞춤형 PSO 변형을 개발하고 평가하기 위해.
• 동적인 CRN 환경에서 무선 국지화를 위한 새로운 최적화 프레임워크를 제공하기 위해.

제안 방법

• 다양한 보조 사용자로부터의 TDOA 측정을 기반으로 PUEA 국지화 문제를 비선형 최적화 문제로 공식화한다.
• 측정된 TDOA 값과 추정된 TDOA 값 간의 차이를 바탕으로 비용 함수를 구성하여 공격자의 위치를 추정한다.
• 수렴 성능 향상과 국소 최솟값 회피를 위해 관성 가중치와 가속도 상수를 동적으로 조정함으로써 표준 PSO를 개선한다.
• 정확도와 처리 시간 사이의 트레이드오프를 탐색하기 위해 다양한 파라미터 설정을 가진 다수의 PSO 변형을 설계한다.
• 적응형 파라미터를 사용하여 속도 및 위치 갱신 식을 반복적으로 적용하여 입자의 위치와 속도를 업데이트한다.
• 국지화 정확도와 신뢰성을 평가하기 위해 평균 제곱 오차(MSE) 및 누적분포함수(CDF)를 사용하여 성능을 평가한다.

실험 결과

연구 질문

• RQ1 PSO 기반 최적화는 기존 방법에 비해 인지 무선 네트워크에서 PUEA 국지화의 정확도를 어떻게 향상시킬 수 있는가?
• RQ2 적응형 관성 가중치와 가속도 상수는 TDOA 기반 시스템에서 PSO의 수렴 속도와 국지화 정밀도에 어떤 영향을 미치는가?
• RQ3 처리 시간과 국지화 오차 측면에서 제안된 PSO 방법은 표준 PSO 및 타일러 급수 추정(TSE)과 비교하여 어떻게 다른가?
• RQ4 PSO 변형은 비선형 TDOA 비용 함수의 곡면에서 국소 최솟값을 효과적으로 피할 수 있는가?
• RQ5 PUEA 탐지에서 수렴 속도와 국지화 정확도 사이의 최적 트레이드오프를 이룰 수 있는 PSO의 파라미터 설정은 무엇인가?

주요 결과

• 제안된 PSO 변형은 표준 PSO 및 타일러 급수 추정(TSE)보다 유의미하게 낮은 평균 제곱 오차(MSE)를 달성하여 더 높은 국지화 정확도를 나타낸다.
• 향상된 PSO 알고리즘은 더 빠른 수렴 속도를 보이며, 실시간 CRN 환경에서 공격자 국지화에 필요한 처리 시간을 감소시킨다.
• 관성 가중치와 가속도 상수의 적응형 조정은 탐색과 이용의 균형을 향상시켜 더 견고한 최적화 성능을 이끈다.
• 누적분포함수(CDF) 결과는 제안된 PSO 방법이 기준 방법보다 더 좁은 오차 범위 내에서 공격자를 더 높은 확률로 국지화함을 보여준다.
• 본 연구는 TDOA 기반 PUEA 국지화를 위한 첫 번째 PSO 기반 프레임워크를 수립하여 향후 무선 국지화 분야의 최적화에 탄탄한 기반을 마련한다.