[发明专利]基于虚伪审查的防窃听稀疏信号检测方法及系统有效
申请号: | 202010504135.7 | 申请日: | 2020-06-05 |
公开(公告)号: | CN111970653B | 公开(公告)日: | 2021-11-02 |
发明(设计)人: | 李刚;李成蹊 | 申请(专利权)人: | 清华大学 |
主分类号: | H04W4/38 | 分类号: | H04W4/38;H04W12/80 |
代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 石茵汀 |
地址: | 10008*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 虚伪 审查 窃听 稀疏 信号 检测 方法 系统 | ||
1.一种基于虚伪审查手段的防窃听稀疏信号检测方法,其特征在于,包括以下步骤:
将无线传感器网络设置为常规传感器和虚伪传感器两部分;
根据所述无线传感器网络和被检测稀疏信号的参数设置计算出本地审查阈值;
比较所述被检测稀疏信号和所述本地审查阈值,利用所述常规传感器将所述被检测稀疏函数中信息含量高的数据发送至融合中心,利用所述虚伪传感器将所述被检测稀疏函数中信息含量低的数据发送至融合中心;
基于所述融合中心的自身信号模型,根据收到的数据和每个传感器的身份构建局部最大势检测器,以作出相应的全局判决;
其中,在由一个融合中心和Q个传感器构成的所述无线传感器网络中,对稀疏信号的检测问题建模为以下二元假设检验问题:
其中,H0和H1分别表示目标不存在的情况和目标存在的情况,sq是第q个传感器节点观测到的稀疏信号向量,该向量服从的分布是伯努利高斯分布,即该向量中的每个元素都以概率p服从高斯分布以概率1-p等于0,p表示未知的稀疏度,wq表示第q个节点的加性高斯噪声,该噪声服从的分布是高斯分布hq表示进行压缩操作的滤波器权重系数向量,sq和hq都是N×1维的实值向量,yq是压缩后的观测数据,各个传感器观测到的原始数据是条件相互独立的,即在任意一种假设H0或H1下都相互独立,β为本地审查阈值,每个传感器是虚伪传感器的概率为α;
其中,采用局部最大势检测器,具体如下:
其中,和分别表示包含所有发送信息的常规节点和发送信息的虚伪节点的索引集合,λFC表示融合中心的判决阈值,表示两个集合的并集,费雪信息量FIFC(0)的具体表达式为:
其中,表示在H0下压缩观测值yq在yq=β处的概率密度函数值,以及当传感器网络中有大量传感器时,融合中心的局部最大势检测器服从的渐进分布为:
基于上述的虚伪审查策略下,融合中心的检测性能随费雪信息量FIFC(0)的增大而增大;
分析窃听者的检测性能,窃听者从传感器的发送活动中获取的信息服从的分布为:
其中,Pr(A|B)表示条件概率,表示第q个传感器的发送活动(表示有信息发送,表示无信息发送),窃听者无法从本地传感器的发送活动中获取关于信号存在与否的任何信息,需保证在两种假设下的分布相同,即要求
在保证系统绝对保密性的条件下最大化融合中心的检测性等价于建立如下的优化问题:
maxβFIFC(0)|α=1/2,
s.t.β0,
其中,
目标函数FIFC(0)|α=1/2是一个关于β的单峰函数,且函数的最大值出现在βmax∈(σw,2σw),同时,βmax也是在(0,+∞]上的唯一解,采用二分法寻找上述优化问题的最优解,得到的最优解为:
βmax=1.482σw.
对应的目标函数的最大值为:
2.根据权利要求1所述的基于虚伪审查手段的防窃听稀疏信号检测方法,其特征在于,所述无线传感器网络由一个融合中心和多个传感器构成。
3.根据权利要求1所述的基于虚伪审查手段的防窃听稀疏信号检测方法,其特征在于,所述信息含量高的数据为所述被检测稀疏信号压缩后的观测数据的绝对值大于所述本地审查阈值的数据,采用所述常规传感器将所述被检测稀疏信号压缩后发送至融合中心;所述信息含量低的数据为所述被检测稀疏信号压缩后的观测数据的绝对值小于所述本地审查阈值的数据,采用所述虚伪传感器将所述被检测稀疏信号压缩后发送至所述融合中心。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010504135.7/1.html,转载请声明来源钻瓜专利网。