[论文解读] 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 5

一句话总结

本文提出新型粒子群优化（PSO）算法变体，利用到达时间差（TDOA）测量检测并定位认知无线电网络中的主用户伪装攻击（PUEA）。通过自适应调整PSO参数以优化TDOA代价函数，该方法在均方误差（MSE）和累积分布函数（CDF）指标下验证，相较于标准PSO和泰勒级数估计（TSE），实现了更高的定位精度和更快的收敛速度。

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).

研究动机与目标

• 为解决认知无线电网络（CRNs）中主用户伪装攻击（PUEA）这一关键安全威胁。
• 利用到达时间差（TDOA）技术检测并定位PUEA，以提升频谱接入安全性。
• 开发并评估定制化的PSO变体，以在标准PSO和TSE基础上提升定位精度与收敛速度。
• 为动态CRN环境中的无线定位提供一种新型优化框架。

提出的方法

• 将PUEA定位问题建模为基于多个次用户TDOA测量的非线性优化任务。
• 构建代价函数，基于实测TDOA值与估计TDOA值之间的差异，以估计攻击者的位置。
• 通过动态调整惯性权重和加速常数，对标准PSO进行改进，以提升收敛性能并避免陷入局部极小值。
• 设计多种PSO变体，采用不同的参数配置，以探索精度与处理时间之间的权衡。
• 通过使用自适应参数的速率和位置更新方程，迭代更新粒子位置与速度。
• 采用均方误差（MSE）和累积分布函数（CDF）评估性能，以衡量定位精度与可靠性。

实验结果

研究问题

• RQ1 与传统方法相比，基于PSO的优化如何提升认知无线电网络中PUEA定位的精度？
• RQ2 自适应惯性权重与加速常数对TDOA系统中PSO的收敛速度与定位精度有何影响？
• RQ3 在处理时间与定位误差方面，所提出的PSO方法相较于标准PSO和泰勒级数估计（TSE）表现如何？
• RQ4 PSO变体能否有效避免非线性TDOA代价函数曲面中的局部最优解？
• RQ5 在PUEA检测中，PSO的何种参数配置能在收敛速度与定位精度之间实现最佳平衡？

主要发现

• 所提出的PSO变体相较于标准PSO和泰勒级数估计（TSE），显著降低了均方误差（MSE），表明具有更高的定位精度。
• 改进后的PSO算法表现出更快的收敛速度，减少了在实时CRN环境中定位攻击者所需的处理时间。
• 惯性权重与加速常数的自适应调节增强了探索与开发之间的平衡，从而提升了优化性能的鲁棒性。
• 累积分布函数（CDF）结果表明，所提出的PSO方法在更紧的误差范围内以更高概率定位攻击者，优于基线方法。
• 本研究首次构建了专用于TDOA的PUEA定位的PSO优化框架，为未来无线定位优化奠定了坚实基础。