通过整合无噪自动编码器和组合技术来提高传感性能

科学领域:

• 无线通信无线通信
• 信号处理 信号处理
• 网络安全 网络安全

背景情况:

• 认知无线电网络 (CRN) 依赖于协作频谱传感,以实现高效的频谱使用.
• 恶意用户或虚假传感用户 (FSU) 通过发送欺骗性报告来损害传感可靠性.
• FSU通过破坏聚变中心 (FC) 的决策过程来利用频谱资源.

研究的目的:

• 开发一种可靠的方法来检测和减轻FSU在CRN中的影响.
• 为了提高协作频谱传感对复杂攻击的可靠性.
• 为了评估各种机器学习分类器的性能,与无声自动编码器一起用于改进频谱传感.

主要方法:

• 使用无声自编码器 (DAE) 预处理传感数据,减少噪声和减轻异常报告.
• 评估了多个机器学习分类器,包括决策树,k-最近邻居,神经网络,集体分类,高斯素朴贝叶斯和随机森林.
• 通过DAE处理的数据被输入到这些分类器中,以估计道可用性并做出总体决策.

主要成果:

• 通过将DAE与集成分类 (EC) 集成,证明了卓越的性能.
• 使用DAE-EC方法实现了高精度,F1得分和马修相关系数 (MCC).
• 拟议的方法有效地将传感误差降到最低,从而在FC中做出可靠的全球决策.

结论:

• DAE-EC框架为增强CRN中的频谱传感提供了可靠的解决方案.
• 这种方法有效地抵消了虚假传感用户的破坏性影响.
• 未来的工作应该包括现实世界的无线电频率验证,以补充合成数据分析.