Bilişsel radyo ağlarda spektrum algılama veri sahtecilik saldırılarına karşı iş çıkarma oranının artırılması

Basit Öğe Kaydı
dc.contributor.advisorBayrakdar, Muhammed Enes
dc.contributor.authorDoğan, Hüseyin
dc.date.accessioned2025-10-11T20:34:49Z
dc.date.available2025-10-11T20:34:49Z
dc.date.issued2024
dc.departmentDÜ, Lisansüstü Eğitim Enstitüsü, Siber Güvenlik Ana Bilim Dalıen_US
dc.description.abstractBilişsel Radyo (CR) ağları, dinamik spektrum erişimi sağlar ve spektrum verimliliğini önemli ölçüde artırabilir. İşbirlikçi Spektrum Algılama (CSS), algılama doğruluğunu artırmak için CR kullanıcıları arasındaki uzamsal çeşitlilikten yararlanır. Ancak gerçekçi bir senaryoda, güvenilir CSS, Spektrum Algılama Verilerinde Sahtecilik (SSDF) saldırısına karşı savunmasızdır. Bir SSDF saldırısında, bazı kötü niyetli CR kullanıcıları kasıtlı olarak tahrif edilmiş yerel algılama sonuçlarını bir veri toplayıcıya veya Füzyon Merkezine (FC) bildirir ve ardından sezme kararını etkiler. Bu çalışmada, bir SSDF saldırısı için analitik bir model araştırıp böyle bir saldırıya karşı sağlam bir savunma stratejisi öneriyoruz. FC'nin saldırı parametrelerini elde etmek ve daha iyi bir savunma stratejisi kullanmak için öğrenme ve tahmin yöntemlerinin uygulanabileceğini gösteriyoruz. Ayrıca, log-normal gölge sönümlü bir kablosuz ortam varsayıyoruz ve SSDF saldırısının gücünü etkileyebilecek saldırı parametrelerini tartışıyoruz. Bu çalışmanın sonuçları, özellikle kötü niyetli kullanıcıların çoğunlukta olduğu durumlarda, SSDF saldırılarına karşı önerilen savunma yönteminin etkinliği gösterilmektedir.en_US
dc.description.abstractCognitive Radio (CR) networks provide dynamic spectrum access and can significantly improve spectrum efficiency. Collaborative Spectrum Sensing (CSS) leverages spatial diversity among CR users to improve detection accuracy. However, in a realistic scenario, trusted CSS is vulnerable to Spectrum Sensing Data Falsification (SSDF) attack. In an SSDF attack, some malicious CR user reports deliberately falsified local sensing results to a data collector or Fusion Center (FC), which then influences the sensing decision. In this work, we investigate an analytical model for an SSDF attack and propose a robust defense strategy against such an attack. We show that learning and prediction methods can be applied to obtain FC's attack parameters and use a better defense strategy. We also assume a wireless environment with log-normal shadow damping and discuss the attack parameters that may affect the strength of the SSDF attack. Simulation results show the effectiveness of the proposed defense method against SSDF attacks, especially in cases where malicious users are in the majority.en_US
dc.identifier.endpage41en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=UjlM15wKZGQW6TLC0pvCt5WW1hJ9NhOkqE7N6QAPPvarkzZt6CjiyluwuQCaShZo
dc.identifier.urihttps://hdl.handle.net/20.500.12684/20340
dc.identifier.yoktezid898301en_US
dc.institutionauthorDoğan, Hüseyin
dc.language.isotren_US
dc.publisherDüzce Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.snmzKA_TEZ_20250911
dc.subjectMühendislik Bilimlerien_US
dc.subjectEngineering Sciencesen_US
dc.titleBilişsel radyo ağlarda spektrum algılama veri sahtecilik saldırılarına karşı iş çıkarma oranının artırılmasıen_US
dc.title.alternativeIncreasing the throughput rate against spectrum sensing data falsification attacks in cognitive radio networksen_US
dc.typeMaster Thesisen_US

Dosyalar

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu