认知无线电网络（Cognitive Radio Networks，CRNs）是一项极富前景的技术，通过允许次级用户（Secondary User，SU）机会式接入到主用户（Primary User，PU）的授权频段中的频谱空洞从而能够提高频谱利用率。而监控到一个运行中的认知无线电网络的细节特性对于很多系统管理任务以及安全问题来说非常关键，但是这方面已有的相关工作和研究很少。首先，本文将在时隙认知无线电网络中研究针对次用户的被动式用户级监控问题，这些次用户的流量特征、行为模式等特性对无线网络嗅探器（Sniffer）来说都是未知的。本文利用加权虚拟收益的手段将次用户监控问题转化成一个多臂赌博机问题（Multi-Armed Bandit，MAB）。本文从常用解决MAB问题的策略中出发，提出了几个动态嗅探器信道分配（Dynamic Channel Assignment，DCA）策略，并将这些策略分别应用到时隙系统中，以帮助系统在监控资源有限的情况下能够完成对尽可能多的目标次用户的数据包进行监视的任务。本文做了大量的仿真实验，对提出的策略在各种不同场景下的性能进行了分析和比较。仿真结果验证了提出策略的可行性并为非时隙系统策略的选择给出参考。随后，本文在非时隙系统中研究了相同的问题。UCB1策略被改进之后应用在了次用户的流量特征、行为模式等特性未知情况下的嗅探器信道分配问题中。为了在非时隙系统中更加有效的利用监控资源，本文提出了主用户避免和多嗅探器合作来帮助嗅探器监控次用户。仿真结果表明本文提出的策略结合本文提出的改进方法可以很好的应用在非时隙系统中，衡量MAB问题策略的重要指标Regret值可以在有限时间内收敛。