Las redes móviles de radio cognitiva proporcionan una nueva plataforma para implementar y adaptar comunicaciones celulares inalámbricas, aumentando el uso del espectro electromagnético al utilizarlo cuando el usuario principal no lo está usando y proporcionando servicio celular a usuarios secundarios. En estas redes, existen vulnerabilidades que pueden ser explotadas, como la emulación maliciosa del usuario principal (PUE), que intenta imitar la señal del usuario principal para hacer que la red cognitiva libere el canal utilizado, causando una denegación de servicio a los usuarios secundarios. Proponemos una técnica de máquina de vectores de soporte (SVM), que clasifica si la señal recibida es de un usuario principal o de una señal de emulación maliciosa de usuario principal utilizando la relación señal-ruido (SNR) y la entropía de Rényi de la señal de energía como entrada al SVM. Este modelo mejora la detección de la presencia de un atacante malicioso en bajos SNR sin necesidad de un cálculo de umbral, lo que puede llevar a resultados de detección falsos, especialmente en la multiplexación por división de frecuencia ortogonal (OFDM) donde el umbral es más difícil de estimar porque los valores límite de la señal son muy cercanos en bajos SNR. Se implementa en un banco de pruebas de radio definida por software (SDR) para emular el entorno de las modulaciones del sistema móvil, como el desplazamiento mínimo de clave de cambio gaussiano (GMSK) y OFDM. El SVM realizó un proceso de aprendizaje previo para permitir que el sistema SVM reconozca el comportamiento de la señal de un usuario principal en modulaciones como GMSK y OFDM y el valor de SNR, y luego la señal de prueba recibida se analiza en tiempo real para decidir si un PUE malicioso está presente. Los resultados muestran que nuestra solución aumenta la probabilidad de detección en comparación con técnicas tradicionales como la detección de energía o cicloestacionaria en valores bajos de SNR, y detecta señales PUE maliciosas en MCRN.