协作频谱感知可以有效地提高认知无线电网络的感知性能。然而,在分布式协作频谱感知网络中,设备故障、信道阴影衰落和噪声等可能导致频谱感知器(如手机、平板等)发送不可靠的信息。在协作频谱感知网络中,恶意用户也会发送错误的感知信息以混淆视听,干扰诚实用户的判决结果,故意发送虚假感知信息误导诚实用户的这种行为称为频谱感知数据伪造(Spectrum Sensing Data Falsification,SSDF)攻击。不可靠或错误的消息在邻居用户间的传递必将导致感知结果产生偏差和错误,大大降低了协作频谱感知的效率。当次用户中恶意用户所占比例较大,且同时发动大规模攻击时,将严重影响协作频谱感知的结果。针对上述问题,本文展开认知无线电网络中的SSDF攻击和防御方案研究,具体内容如下:首先,介绍了认知无线电中的频谱感知技术,详细阐述了集中式场景和分布式场景下协作频谱感知过程以及常见SSDF的攻击类型和防御算法。然后,研究了SSDF典型攻击模型,设计了一种将置信传播算法和信誉模型相结合的攻击防御方案。该方案分两个阶段对协作频谱感知中的不可靠信息进行过滤:首先,在频谱感知阶段,通过置信传播算法对次用户进行分组,过滤掉因设备故障等因素产生的不可靠用户,剩余用户则视为正常工作用户进行数据融合。然后,在数据融合阶段,根据以信誉值作为权重因子的置信传播算法来计算最终的判决值。该方案分别在感知阶段和融合阶段采取了防御措施,可有效地过滤网络中的不可靠信息,减小恶劣的频谱环境对次用户感知结果的影响。仿真结果表明,该方案迭代次数少、收敛快,有效地减弱了SSDF攻击带来的损害,提高了感知结果的准确性、增强了认知无线网络的安全性。最后,本文将用户选择和置信传播有机结合,提出一种针对大规模入侵的双重防御方案,其中置信值的均值将用于计算用户选择中诚实行为的收益。首先,在频谱感知阶段,通过用户选择算法挑选可靠次用户,挑选出的可靠次用户包括诚实用户和伪装成诚实用户的恶意用户,只有可靠次用户才能进入后续的数据融合阶段。然后,通过置信传播算法计算次用户的置信值,以可信度为权重计算置信值均值并将其和预设门限比较,进一步检测恶意用户。本文所提方案将用户选择和置信传播相结合,对所有次用户进行了双重检测,有效地抵御了大规模恶意用户攻击。仿真结果表明,与已有的SRS、MS、LCDA三种防御方案相比,该方案具有更好的检测与收敛性能。