由于认知用户的动态频谱接入机制和无线信道的广播特性，认知无线网络容易受到敌意干扰攻击的威胁。随着基于认知无线电技术的智能干扰机的出现，抗敌意干扰攻击形势更为严峻。　　论文针对智能干扰机，研究认知无线网络的抗敌意干扰技术，设计实现了一种基于非协调跳频技术的抗敌意干扰广播方案，无需发射节点和接收节点间预先设定物理层密钥，引入节点间协作，提高了网络的通信效率，可适用于大规模的动态认知无线网络。在理论分析和仿真的基础上，在通用软件无线电平台（USRP）上实现了该方案。同时，基于USRP实现了一种智能干扰机，可实时追踪网络信息，灵活地改变所攻击的信道和发射功率。在此基础上进行实验，研究所设计的无线网络抗敌意干扰方案的性能。实验结果表明，该方案能量损耗较小，通信效率较高。例如，当存在2个智能干扰机并且该干扰机每时隙能同时干扰2个信道时，源节点广播640字节信息给3个节点时，相对于传统的非协调跳频广播方案，本方案平均广播时延以及对应的能量损耗分别降低了33％和25％。　　此外，论文基于强化学习算法设计认知无线网络抗敌意干扰方案，并在USRP上实现。该方案无需认知用户获得完整的网络状态信息，通过采用试错法获得不同网络状态下的最优发射功率选择策略。实验中当自适应干扰机的攻击门限值为-38.5dBm时，为避免被干扰同时最大化自身的效用，认知用户的平均发射功率随着学习步长的增加最终将稳定在-39dBm。