近日，通信工程学院2023级本科生姜雨晨作为第一作者的论文“Efficient SVM with Enhanced Sand Cat Swarm Optimization Against Byzantine Attack in Cooperative Spectrum Sensing”在物联网领域国际知名期刊《IEEE Internet of Things Journal》（中科院二区TOP期刊）正式发表。通信工程学院教师吴俊为该论文的第一指导教师。
该研究聚焦认知无线传感器网络中的协作频谱感知（CSS）安全问题。在实际无线环境中，由于阴影衰落、多径效应等因素，单个传感器节点的本地感知结果往往不可靠。协作频谱感知通过融合中心收集多个地理分散的传感器节点的本地能量检测结果，并采用数据融合与判决规则得出关于主用户信道状态的全局决策，从而提升检测可靠性。然而，恶意传感器节点发起的拜占庭攻击通过上报伪造的感知数据至融合中心，企图干扰全局判决，严重威胁协作频谱感知的安全性与有效性。
针对这一问题，论文提出了一种基于改进型沙猫群优化算法的支持向量机（SCSO-SVM）恶意节点检测方法。该方法充分利用SVM在小样本、非线性分类中的优势，结合增强型沙猫群优化算法对SVM的核参数和惩罚因子进行自适应优化。与现有基于孤立森林、谱聚类及多种基于元启发式的SVM方法相比，所提算法在保持高分类精度和F1分数的前提下，计算时间降低了一个数量级，显著提升了系统在复杂攻击场景下的响应效率和鲁棒性。
论文系统建立了包括独立攻击、协同攻击和混合攻击在内的多种拜占庭攻击模型，并在不同信噪比和恶意节点比例条件下开展了大量仿真验证。实验结果表明，SCSO-SVM不仅在多种攻击模式下保持稳定且优异的检测性能，而且对参数设置不敏感，具备良好的工程适应性。
“大一寒假，我加入了吴俊老师的课题组，开始接触认知无线传感器网络中协作频谱感知安全方向的研究。从最初理解基础模型，到最终产出成果，整个过程历时超过两年。这期间遇到了不少难关，有时是理论推导陷入僵局，有时是仿真实验反复失败。”姜雨晨回忆道，“但正是这些经历，让我在运用所学知识解决实际问题、开展创新实践方面得到了充分锻炼。非常感谢学院提供了这样一个了解学科前沿、提升科研能力的机会，同时也感谢吴俊老师悉心指导与同学们的帮助，让我能够在这一领域不断深入，最终取得了阶段性成果。”
