协作频谱感知(Cooperative Spectrum Sensing,CSS)作为认知无线电领域的关键技术一直备受关注。在协作频谱感知中,通过多用户协作频谱感知的方式可以有效缓解由于多径效应和阴影衰落引起的感知性能的降低,提高了频谱利用率。然而,由于在协作感知用户中可能存在恶意用户,向融合中心或邻居节点发送伪造的虚假消息,误导它们作出错误的判断,这会极大的降低频谱利用率。本文在深入研究了拜占廷攻击(Spectrum Sensing Data Falsification,SSDF)及其防御方案的基础上,针对分布式场景,提出了两种抵御SSDF攻击的方案。首先介绍频谱感知技术的基本理论知识,然后分别介绍了两种方案,具体如下:首先,介绍了集中式和分布式场景下的协作频谱感知的相关理论知识,然后介绍了集中式下的常见的五种融合准则和分布式下的常见融合算法。最后介绍了常见的拜占庭攻击方式以及其现有的防御方法。然后,针对在分布式场景中广泛使用的平均共识算法,提出了一种基于最大似然估计的平均共识算法的智能防SSDF攻击方案。在分布式场景下,由于每个认知用户只能接收到其邻居节点用户发送的感知值,相比集中式场景下样本数量过少,对恶意用户伪造的虚假感知值的识别能力较低。针对这一问题,提出了基于最大似然估计的恶意用户识别方案,将邻居节点的位置信息结合起来,对真实的感知值进行最大似然估计,并将与估计值偏差较大的邻居节点当作潜在恶意用户,排除在共识融合的节点之外。经过仿真分析,所提方案能有效的在接收样本数量较小的情况下识别出恶意用户,使诚实节点能够收敛到正确的感知值。最后,提出了一种基于信誉的非共识消息传递算法的智能防SSDF攻击算法。消息传递算法通过转发接收其邻居节点的消息获得整个网络的感知值,但易受恶意节点篡改消息内容的破环。本文提出基于信誉值的方案解决这一问题。该方案不同于传统的信誉值算法需要网络多次的协作感知的历史信息,而是将每条消息的历史传播路径当作计算每个认知用户信誉的依据。每当节点接收到来自同一认知用户的不同消息,则其传播路径上一定存在恶意用户,我们对在不同路径上出现次数较多的节点进行信誉值奖励,对出现较少的节点进行信誉值惩罚。最后,根据计算出的信誉值还原被篡改消息的真实值。经仿真分析表明,所提算法对消息有较高的还原率,并同时识别出网络中的恶意用户。