13287

13287

تشخيص حمله PUE در راديو شناختگر با طبقه بندي بيزي غير پارامتري

كارشناسي ارشد

برق - مهندسي فناوري اطلاعات - مخابرات امن

ارديبهشت ماه 1393

ارديبهشت ماه 1393

دكتر بهمن ابوالحسني

چكيده امنيت، يكي از چالش¬هاي مهم در تحقق راديو شناختگر است. علاوه بر تهديدات امنيتي مرسوم شبكه¬هاي مخابراتي، شبكه¬هاي مبتني بر راديو شناختگر به دليل ماهيت بي¬سيم خود با دسته جديدي از حملات روبرو هستند. يكي از مهمترين اين حملات، حمله تقليد از كاربر اوليه است كه در آن يك كاربر ثانويه بدخواه سعي مي¬كند با ارسال سيگنالي مشابه با سيگنال كاربر اوليه، موجب فريب ساير كاربران ثانويه شده و بدين وسيله ضمن ايجاد ترافيك مزاحم در شبكه، با بدست گرفتن طيف خالي، اطلاعات خود را به راحتي ارسال كند. يكي از روش¬هاي مبارزه با چنين حمله¬اي، طبقه¬بندي سيگنال¬هاي محيط با روش¬هاي بينايي ماشين است. در اين پايان¬نامه، از روش طبقه¬بندي سيگنال بي¬ناظر مبتني بر مدل¬هاي مخلوطي فرآيند ديريكله استفاده شده است. در روش¬هايي كه تا كنون ارائه شده¬اند، نياز به دانستن تعداد خوشه¬ها از قبل مي¬باشد اما با روش پيشنهادي، طبقه¬بندي بدون دانستن تعداد خوشه¬ها(تعداد راديوها) صورت مي¬گيرد. از سوي ديگر مدل¬هاي مخلوطي كه تا كنون بررسي شده¬اند، توزيع پارامترهاي راديويي را گوسي فرض كرده¬اند اما در اين پايان¬نامه با بسط مدل مخلوطي فرآيند ديريكله، هر توزيع ديگري هم قابل اعمال خواهد بود كه از نوآوري¬هاي اين پايان¬نامه محسوب مي¬گردد. براي پياده¬سازي مدل مخلوط مبتني بر فرآيند ديريكله معمولاً از روشي موسوم به نمونه¬برداري گيبس استفاده مي¬شود كه داراي بار محاسباتي بسيار سنگين بوده كه آن را براي كاربردهاي بلادرنگ نامناسب مي¬نمايد. براي رفع اين مشكل در اين پايان¬نامه، "روش نمونه¬برداري گيبس اصلاح شده" پيشنهاد مي¬شود كه بار محاسباتي آن را تا بيش از 40% كاهش خواهد داد. در نهايت، نتايج شبيه¬سازي نشان مي¬دهد كه روش پيشنهادي در معيار ميانگين احتمال موفقيت خوشه¬بندي، در قياس با روش¬هاي K-means، X-means و مدل مخلوطي صرفاً گوسي(GMM) به ترتيب داراي 21، 15 و 4 درصد برتري مي¬باشد. واژه‌هاي كليدي:راديو شناختگر، طبقه¬بندي سيگنال، مدل مخلوطي، فرايند ديريكله، نمونه-برداري گيبس