认知无线电(Cognitive Radio,CR)相比传统的无线网络具有更大的挑战。本论文以CRAHNs网络中的MAC层机会频谱接入以及路由安全为研究对象,研究CRAHNs网络设计实现中的关键技术问题。在CRAHNs中,次用户完成机会频谱接入的问题可以建模为部分可观测的马尔科夫过程(Partially Observable Markov Decision Process,POMDP),由于POMDP属于NP完全(NP Complete,NPC)问题,存在―维度灾难‖效应。而Monte Carlo估计的精度仅与求解问题的方差平方成反比,与维度无关。本文据CRAHNs网络特性,给出simplified-MCTS方法求解机会频谱接入问题。Simplified-MCTS建立额外存储矩阵用于替代回溯步骤的节点统计信息更新。同时,采用浅仿真树来完成MCTS中Monte Carlo仿真部分。安全路由方面,本文主要研究攻击类型为路由黑洞的恶意节点入侵。本文采用基于特征序列的检测方式。网络的特征序列由FP-Growth方法对报文转发规律提取得到。实验表明,当捕获到的路由表信息足够多时,特征序列趋于稳定。当网络遭受恶意节点入侵时,统计序列秩的变化情况,生成可疑节点集。再对可疑节点集内节点进行DE-Cusum检测,定位恶意节点。机会频谱接入仿真实验结果表明,simplified-MCTS性能表现优于随机贪婪方法,和Q-learning、MCTS方法性能表现基本一致,但其时间复杂度相对MCTS大大降低。在路由安全仿真实验中,本文使用NS2搭建11个节点的黑洞攻击脚本,结果表明基于序列的检测方式能够有效地以较低采样次数检测出恶意节点。