论文部分内容阅读
协作频谱感知技术能够有效地提高频谱利用率,然而恶意用户的存在将极大地影响整个认知网络的性能,因此恶意用户的检测与防御变得尤为重要。为有效抵御协作频谱感知中的恶意用户及其恶意行为,提出一种强化学习与信誉模型相结合的分布式智能入侵防御方案。在该方案中,认知用户通过不断地观测和学习周围的环境,对于实时变化的网络环境做出最优的选择,选取最优的邻居用户进行合作,以获得最大的回报。当融合中心的判决结果与认知用户的判决结果一致/不一致时,给予相应信誉值的奖励/惩罚,当信誉值低于一定判决门限视为潜在的恶意用户。最终使得智