1.一种基于FP-growth算法的认知物联网共谋SSDF攻击检测方法,其特征在于,包括如下步骤:步骤一,建立频谱感知模型,包括PU、FC和N个物联网设备构成的CI步骤二:建立SSDF攻击模型,采用共谋攻击方式;
步骤三:利用基于集群划分的FP-growth算法检测共谋SSDF攻击,包括FP-growth算法检测MIDs和检测共谋SSDF攻击,其中,检测共谋SSDF攻击是利用BIRCH算法将一定区域内的所有物联网设备划分成若干个子区域,每个子区域内的物联网设备只需将感知报告发送到位于边缘层的S-FC;
S-FC执行识别C-MIDs的算法并过滤C-MIDs的感知报告,只将正常的感知数据发送到FC;
检测共谋SSDF攻击具体为,
首先,将一定区域内的所有N个物联网设备划分为一个集群C={c划分集群后每个子集群内的物联网设备将感知报告发送到S-FC,S-FC执行识别C-MIDs的检测算法,以其中一个子集群c在得到候选项集后,根据最小支持度阈值来确定频繁项集,频繁项集的确定分为两个阶段,第一阶段产生感知报告为“1”时s个物联网设备的候选项集,第二阶段产生感知报告为“0”时s个物联网设备的候选项集,将两个阶段产生的候选项集分别与两个最小支持度阈值min_sup1和min_sup0进行比较得到频繁项集,找出s个物联网设备中的C-MIDs并确定它们之间的关联关系,对于三种不同的共谋SSDF攻击者,因为它们的虚警率和误检率是不同的,所以使用不同的min_sup来提高感测精度,“随机是”共谋攻击者两个阈值其中,
同样地,“随机错误”共谋攻击者两个阈值
如果一个候选项集的支持度小于min_sup1或min_sup0,那么该组中的物联网设备就会被检测为C-MIDs,当S-FC执行识别C-MIDs的检测算法后,将其感知报告过滤,只将NIDs的感知数据发送到FC,FC对接收到的感知报告使用K-out-of-N规则进行数据融合并作出全局决策,FC做出的全局决策FD表示如下,其中,k表示子集群的个数,q表示子集群内检测到的NIDs的个数,S
2.根据权利要求1所述的一种基于FP-growth算法的认知物联网共谋SSDF攻击检测方法,其特征在于:所述步骤一中的物联网设备接收到的信号由下式表示,其中第i个物联网设备在第t个时隙中接收到的信号为y
采用能量检测的方法实现局部频谱感知,第i个物联网设备使用能量检测获取能量值T其中k表示第k个采样点,L=2TW,T和W分别表示采样时间和信号带宽,根据中心极限定理,当N足够大时,T每个物联网设备节点做出的本地决策S
λ为每个物联网设备节点的阈值,在得到所有物联网设备本地决策结果后,FC会利用一定的融合策略做出全局决策,并将决策结果传达给每个物联网设备。
3.根据权利要求2所述的一种基于FP-growth算法的认知物联网共谋SSDF攻击检测方法,其特征在于:所述步骤二SSDF攻击模型具体为,在协作频谱感知的过程中容易受到来自MIDs的恶意攻击,它们可能会篡改本地的决策报告,影响FC的判断,最终导致接入的频谱产生冲突,造成系统混乱,需要有效识别出MIDs对FC做出正确决策,采用SSDF共谋攻击则是MIDs联合起来发起攻击,
其中一个共谋节点L-MID充当领导者,而其余的MIDs复制L-MID的感知报告,假设他们共享一个通道,通过该通道他们可以串通一气,修改感知报告,使对FC的不利影响最大化,在CIoT中,当MIDs发动SSDF攻击时,FC能检测到MIDs的存在,但却不知道攻击者的比例,即使CIoT中没有MIDs,NIDs在感知过程中也可能会产生固有的传感错误,因此使用检测率、误检率和虚警率来衡量本地感知的性能,它们可以表示如下,P
P
P
P
分析CIoT中的共谋攻击,提出三种不同类型的共谋攻击模型,分别为“随机是”共谋攻击、“随机否”共谋攻击和“随机错误”共谋攻击,“随机是”共谋攻击:当MIDs感知到PU不存在为“0”时,共谋节点中的领导者L-MID以ρ“随机否”共谋攻击:当MIDs感知到PU存在为“l”时,共谋节点中的领导者L-MID以ρ“随机错误”攻击:当MIDs感知到PU不存在为“0”时,共谋节点中的领导者L-MID以ρ参照三种不同的攻击类型,得到NIDs和三种SSDF攻击者的检测率和虚警率,对于NIDs,
对于“随机是”共谋攻击者,由于其余的MIDs复制L-MID的感知报告,MIDs的检测率和虚警率是相同的,分别用“随机是”共谋攻击者的检测率由两部分组成,分别是发动攻击和不发动攻击时的概率,不发动攻击时的概率和NIDs相同,发动攻击时“随机是”共谋攻击者会将PU实际存在但错误检测到PU不存在的感知报告翻转,最终的结果是正确检测到PU存在,概率为p“随机是”共谋攻击者的虚警率同样是这两部分组成,不发动攻击时的概率和NIDs相同,发动攻击时“随机是”共谋攻击者会将正确检测到PU不存在的感知报告翻转,最终的结果是PU实际不存在但错误检测到PU存在的,概率为(1-p对于“随机否”共谋攻击者,
对于“随机错误”共谋攻击者,
其中,式中ρ
4.根据权利要求3所述的一种基于FP-growth算法的认知物联网共谋SSDF攻击检测方法,其特征在于:所述步骤三中,先构造频繁模式树FP-Tree,并调用FP-growth算法进行频繁项集挖掘,具体为,输入事务数据库D,并设置最小支持度为4;
扫描一次事务数据库,统计候选1-项集出现的次数,删除支持度计数小于最小支持度的项,得到频繁1-项集,将得到的频繁项集按照降序排列方式得到表L;
创建根节点为“null”的FP-tree,创建头表,表中以降序顺序保存了所有满足支持度阈值的项目,再次扫描剔除了非频繁项集的事务数据库;
从FP-tree底端自下而上挖掘,生成头表中各项的条件模式基并构造条件FP-tree,进行递归挖掘。