随着移动通信技术的飞速发展,频谱资源的需求呈现指数级增长,猛增的频谱需求与有限频谱资源的冲突业已成为无线电发展的瓶颈。与这一瓶颈相对应的是,传统的频谱分配方式存在大量的频谱资源浪费,这就形成了频谱资源需求急剧增加与频谱资源利用率低的基本矛盾。认知无线电是有效地解决这一基本矛盾的核心技术,其首要任务是频谱感知,但是在频谱感知过程中亟待解决安全的问题,尤其是以拜占庭攻击为代表的各类攻击行为。针对认知无线电频谱感知面临的拜占庭攻击的挑战,本文从无线电通信与机器学习、决策理论和不确定性理论相融合的角度出发,开展面向拜占庭攻击的认知无线电频谱感知算法研究,主要研究内容如下:（1）针对全零拜占庭攻击环境下的频谱感知问题,提出基于改进K-均值聚类算法和证据推理理论的协作频谱感知模型。首先,利用改进K-均值聚类算法实现攻击用户分类,进一步基于聚类分簇结果及信噪比量化感知用户权重,从而有效避免攻击用户对感知结果的影响。然后,基于证据推理理论实现数据融合。最后,基于优劣解距离法及预设阈值给出频谱决策结果。仿真结果表明,该模型感知性能优于传统的几类感知算法。（2）针对全“1”拜占庭攻击和取反拜占庭攻击的频谱感知问题,提出基于层次聚类和证据推理理论的频谱感知模型。首先,通过层次聚类算法有效识别攻击用户,并通过聚类结果量化感知用户权重。然后,将各用户的感知证据通过证据推理理论得到合作频谱感知结果。最后,将融合结果与事先设定阈值比较得到频谱决策结果。仿真表明,该模型相对于传统算法可有效地提升全“1”拜占庭攻击或取反拜占庭攻击环境下的认知无线电感知性能。