工业现场具有高温、高湿、强腐蚀等特点,在此恶劣环境下部署有线监控网络十分困难,故采用易部署、易维护的无线网络实现对工业现场的全面监控。工业监控具有范围广,传感器多,数据量大、可靠性和实时性要求高等特点,因此,对于工业监控应用对于无线频谱资源的需求较高。然而,现有的Industrial Scientific Medical(ISM)开放频段资源显得紧缺,利用认知无线电技术可以一定程度上解决频谱资源紧缺的情况。本文以宝钢的2050mm热轧生产线为例,利用工业无线网络以及认知无线电技术对热轧生产流程的粗轧、热轧等关键工序环节进行监控。由于无线网络的开放性,在实现工业监控的同时其安全性也受到威胁。针对频谱感知过程中,次级用户需要通过竞争的方式接入频谱,恶意用户为了独自占用频谱资源或以破坏授权用户的传输为目的,以不良数据注入的方式,竞争频谱资源。本文对为获取频谱资源发起的不良数据注入攻击的防御进行研究,主要的研究内容和创新点如下:集中式网络中基于信誉值的不良数据注入检测算法。本文提出的基于信誉值的不良数据注入检测算法,考虑了传统的检测算法对于检测以不同的概率发起攻击的聪明的攻击者灵活性较差、分离恶意用户和诚实用户效果差等缺点,在信誉值阈值的设定时,以最大程度地分离恶意用户和诚实次级用户为目标。设定的最优阈值与发起攻击的恶意用户的攻击概率相关,再通过最大似然估计对恶意用户的攻击概率进行估计,实现了针对聪明的攻击者的检测。尤其在攻击概率较小时,相比于传统的基于信誉值的不良数据注入检测算法检测效果更佳。与集中式网络结构相比,分布式网络更容易受到攻击,恶意用户不仅可以对频谱感知结果进行不良数据注入,而且可以在融合过程中持续的注入不良数据。对不良数据注入建立了攻击模型,并对频谱感知结果注入不良数据对全局的影响进行了分析。提出了基于异常值的检测方法,对于融合过程中可能出现的持续的不良数据注入攻击,异常值判定的阈值随着融合过程进行更新,具有一定的自适应性。同时结合基于信誉值的方法进行局部用户数量较少带来的误差修正,关于信誉值的获取,采用了邻居用户赋予并且全局融合的方式。最后,将获得的全局的信誉值作为权重参与分布式融合的过程,能获得较好的融合结果。