万物互联时代的来临将为无线通信业务带来几何级增长的数据流量，使得承载无线通信业务的频谱资源变得日益紧缺。基于动态频谱接入机制的认知无线电（Cognitive Radio,CR）技术成为解决频谱稀缺问题，推动未来认知网络发展的前景技术之一。要使CR技术得以实现，可靠检测是 否存在可用频谱的频谱感知技术是首要环节。多用户参与的协作频谱感知利用空间分集提高频谱感知性能，然而合作的引入和CR网络的开放性使协作频谱感知面临特有的安全威胁。其中伪造频谱感知数据（Spectrum Sensing Data Falsification,SSDF）攻击利用复杂灵活的攻击策略误使融合中心作出错误频谱判决结果，造成频谱资源浪费和干扰主用户。
　　鉴于此，本论文针对协作频谱感知中面临的通信开销受限、易受SSDF攻击问题，对多比特量化协作频谱感知，概率型、大规模SSDF攻击下安全协作频谱感知及SSDF攻击下的高能量效率协作频谱感知开展攻击模型理论分析、安全防御算法研究及仿真验证等工作，主要成果和贡献如下：
　　（1）针对协作频谱感知中的通信开销受限问题，首先从全局虚警概率出发优先确定中心的量化阈值，提出了一种基于本地能量检测的多比特量化软数据融合协作频谱感知算法。其次，推导了基于量化数据的优化融合准则，进而提出了以度量误差概率界的巴氏距离为性能准则的量化器设计算法，构建了量化器的数学模型，并采用粒子群优化算法求解。仿真结果表明，所提多比特量化协作频谱感知算法在获得接近未量化方法检测性能的同时显著降低了传输的数据量。
　　（2）针对概率型SSDF攻击下的安全协作频谱感知问题，从攻击检测的角度，提出了基于贝叶斯推理的滑动窗信誉度模型恶意用户检测算法，从而禁止恶意用户参与最终决策融合。该算法首先利用贝叶斯推理得到信誉度模型，然后融合多个时间窗的信息形成累积权重信誉度值，并设计了信誉度更新原理和周期性的评价机制。研究结果表明，在独立和合作概率型SSDF攻击下，所提算法均能获得优良的识别性能，且无需感知用户的任何先验信息，实现复杂度低。
　　（3）针对大规模SSDF攻击下的安全协作频谱感知问题，从数据融合的角度，提出了一种基于熵的权重决策融合安全协作频谱感知算法。该算法利用融合中心接收的汇报数据在两个连续感知时隙内的不一致特性来评价每个感知用户的可靠性，并通过一个基于熵的权重分配方法对感知用户汇报决策进行加权融合。提升了协作频谱感知性能，确保了大规模SSDF攻击下协作频谱感知的安全性。
　　（4）针对SSDF攻击下协作频谱感知与能量效率之间的优化问题，首先利用感知用户可信度对其数据传输时间进行比例分配，建立了能量效率约束优化模型，并设计了基于穷举搜索和分式规划理论的交替迭代优化算法通过依次迭代得到了最大能量效率和对应的频谱感知时间及认知用户发射功率。为抵御SSDF攻击，提出了基于在线学习算法的可靠用户选择策略。仿真结果表明，与平均分配传输时间方案相比，基于在线学习算法所得的可信度比例分配方案提高了CR网络总的能量效率，实现了恶意攻击下高能量效率安全协作频谱感知。