[論文レビュー] Particle Swarm Optimization Approaches for Primary User Emulation Attack Detection and Localization in Cognitive Radio Networks

Walid R. Ghanem, Reem E. Mohamed+2 more|arXiv (Cornell University)|Jan 22, 2019

Indoor and Outdoor Localization Technologies参考文献 29被引用数 5

ひとこと要約

本稿では、時間差到着（TDOA）測定を用いて認知無線ネットワーク（CRN）におけるプライマリユーザーインスティテーション攻撃（PUEA）の検出および局所化を目的として、新規の粒子群最適化（PSO）変種を提案する。適応的PSOパラメータを用いてTDOAコスト関数を最適化することで、標準PSOおよびテイラー級数推定（TSE）と比較して、より高い局所化精度と高速な収束性を達成した。MSEおよびCDF指標を用いて検証された。

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).

研究の動機と目的

• 認知無線ネットワーク（CRN）におけるプライマリユーザーインスティテーション攻撃（PUEA）という深刻なセキュリティ脅威に対処すること。
• スペクトルアクセスのセキュリティを向上させるために、複数のセカンダリユーザーからの時間差到着（TDOA）技術を用いてPUEAを検出および局所化すること。
• 標準PSOおよびTSEよりも局所化精度と収束速度を向上させるために、カスタマイズされたPSO変種を開発および評価すること。
• 動的CRN環境における無線位置決定のための新規最適化フレームワークを提供すること。

提案手法

• 複数のセカンダリユーザーからのTDOA測定値を用いて、PUEA局所化問題を非線形最適化問題として定式化する。
• 測定値と推定値の間のTDOA差に基づいてコスト関数を構築し、攻撃者の位置を推定する。
• 収束性の向上と局所最適解の回避を目的として、慣性重みおよび加速定数を動的に調整することで、標準PSOを強化する。
• 精度と処理時間のトレードオフを調査するために、異なるパrameter設定を持つ複数のPSO変種を設計する。
• 適応的パrameterを用いた速度および位置更新式を繰り返し適用して、粒子の位置と速度を更新する最適化プロセスを実行する。
• 局所化精度と信頼性を評価するために、平均二乗誤差（MSE）および累積分布関数（CDF）を用いて性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 PSOベースの最適化は、従来の手法と比較して、認知無線ネットワークにおけるPUEA局所化の精度をどのように向上させるか？
• RQ2 適応的慣性重みおよび加速定数は、TDOAベースのシステムにおけるPSOの収束速度と局所化精度にどのような影響を与えるか？
• RQ3 提案されたPSOアプローチは、標準PSOおよびテイラー級数推定（TSE）と比較して、処理時間および局所化誤差の観点でどのように異なるか？
• RQ4 PSO変種は、非線形TDOAコスト関数の地形において、局所最適解を効果的に回避できるか？
• RQ5 PUEA検出において、収束速度と局所化精度の最良なトレードオフを達成するPSOのパラメータ設定は何か？

主な発見

• 提案されたPSO変種は、標準PSOおよびテイラー級数推定（TSE）と比較して、顕著に低い平均二乗誤差（MSE）を達成しており、より高い局所化精度を示している。
• 改善されたPSOアルゴリズムは、収束速度が速く、リアルタイムCRN環境における攻撃者局所化の処理時間を短縮している。
• 慣性重みおよび加速定数の適応的チューニングにより、探索と活用のバランスが向上し、より強固な最適化性能が得られた。
• 累積分布関数（CDF）の結果から、提案されたPSO手法は、ベースライン手法と比較して、より狭い誤差範囲内で攻撃者を局所化する確率が高くなっている。
• 本研究は、TDOAベースのPUEA局所化に特化した最初のPSOベースのフレームワークを確立し、将来的な無線位置決定分野における最適化の基盤を提供している。