自无线通信技术产生以来,其得到了快速发展并广泛应用于我们的生活之中,如广播电视、航空航天、移动通信等领域,有限的频谱资源越来越紧张,然而在实际使用过程中有许多空闲频谱没有得到充分利用,针对此问题有学者提出认知无线电（Cognitive Radio,CR）技术,其允许次级用户在不打扰主用户正常通信的前提下使用授权信道中的空闲频谱满足自身通信需求。频谱感知是认知无线电技术中发现空闲频谱的关键步骤,协作频谱感知（Cooperative Spectrum Sensing,CSS）可以有效提高频谱检测能力,但协作频谱感知引入了恶意用户,其中频谱感知数据伪造（Spectrum Sensing Data Falsification,SSDF）攻击最为广泛。恶意用户通过伪造感知数据,上传虚假的感知结果来影响系统的整体判断,降低检测性能。为此本文将针对集中式网络中的SSDF问题进行分析讨论,主要研究工作如下:1.在单信道环境下,针对普通SSDF攻击和智能SSDF攻击,本文提出一种基于强化学习的自适应信任门限防御算法（Adaptive Trust Threshold defense algorithm based on Reinforcement learning,ATTR）来检测恶意用户。由于智能恶意用户（Intelligent Malicious User,IMU）在发动智能SSDF攻击时,可以动态的上传真实感知结果来扮演诚实用户,传统的信任检测机制不能正确的识别,本文引入强化学习与信任机制相结合,根据各次级用户（Secondary User,SU）的感知数据,为各次级用户设置相应合理的信任门限。通过自适应信任门限提高恶意用户的攻击成本,从而筛选出恶意用户构建诚实可信用户集合。仿真结果表明,本文提出的防御算法可以提高系统对可信用户的识别率,有效防御普通SSDF和智能SSDF攻击,从而提高最终决策结果的准确性,提升系统检测性能。在不同的SSDF攻击强度下,可以较快的达到90%的检测概率。2.在多信道环境下,针对多信道SSDF攻击和协作频谱感知时的信道检测顺序问题,本文提出了一种基于多信道的SSDF防御及信道检测顺序算法。多信道中的SSDF恶意用户会对不同信道表现出不同的诚实特性来逃避检测机制,为了防御此问题,本文使用改进的ATTR策略,针对不同的信道设立对应可信用户集合,对多信道SSDF攻击进行防御,提高对信道状态的检测准确度。同时在多信道环境中由于次级用户在每个时隙能够检测的信道数目有限,需要考虑信道检测顺序问题,本文将其建模成多臂赌博机（Multi-Armed Bandits,MAB）问题,通过汤普森采样对信道的空闲概率进行预测,从而优化信道检测顺序。仿真结果表明,提出的算法能够为每个信道筛选出诚实可信用户组,提高了对多信道SSDF攻击的防御能力,同时能够提高对信道空闲概率的预测准确度,提升了信道检测效率。