即插即用参考系和测量设备无关量子密钥分发系统及方法技术方案

本发明专利技术公开了一种即插即用参考系和测量设备无关量子密钥分发系统及方法，解决了由于未使用最优参数及系统调节不及时造成的密钥率低、成码距离短的问题。本发明专利技术在量子密钥分发系统的控制模块中加入神经网络，实现量子密钥分发系统的实时控制，提高了量子密钥分发系统的稳定性。本发明专利技术将量子密钥分发过程分为三个阶段：信道参数测量阶段、量子态制备参数计算阶段及量子密钥分发阶段。本发明专利技术首先获取信道参数，使用神经网络计算量子态制备的最优参数，并在量子密钥分发阶段使用最优参数进行量子态制备。本发明专利技术通过信道测量获取信道参数并通过神经网络快速计算出最优参数，提高了系统的密钥率及成码距离，用于量子密钥分发。用于量子密钥分发。用于量子密钥分发。

【技术实现步骤摘要】
即插即用参考系和测量设备无关量子密钥分发系统及方法


[0001]本专利技术属于量子信息
，主要涉及量子密钥分发，具体是一种基于神经网络的即插即用参考系和测量设备无关量子密钥分发系统及方法，用于量子保密通信。

技术介绍

[0002]量子密钥分发技术可实现两认证用户间的安全密钥分发。受限于实际器件的不完美，需要额外的协议和装置来保证量子密钥分发过程的安全性、密钥率及成码距离。1996年，Muller等人提出了即插即用(Plug
‑
Play)结构，实现了量子信道中偏振自动补偿，降低了系统复杂性。2003年，Hwang提出了单诱骗态协议来解决光子数分割攻击(PNS)。2005年，Lo和Wang分别改进了单诱骗态协议，提出无限多诱骗态可准确的估计单光子增益。同年，王向斌证明了采用三个诱骗态即可实现准确的估计单光子增益。2010年，Laing提出了参考系无关量子密钥分发协议(RFI
‑
QKD),使用了X、Y、Z三组基进行编码(双方Z基是对准的，X基和Y基可存在一定偏移角度)，解决了通信双方参考系不对准的问题。2012年，Lo等人提出了测量设备无关量子密钥分发协议(MDI
‑
QKD)，解决了量子密钥分发系统中测量设备不安全的问题。2014年，Xu提出了可以将信号态强度、诱骗态强度、制备不同强度的概率及在制备不同强度下选择不同基的概率进行联合优化，可大幅度提高量子密钥分发系统的密钥率和安全成码距离。2018年4月，李倩、朱畅华等人在INTERNATIONAL JOURNAL OF THEORETICAL PHYSICS(IJTP)期刊上提出了使用单光源的与参考系和测量设备无关量子密钥分发协议(Reference
‑
Frame
‑
Independent and Measurement
‑
Device
‑
Independent Quantum Key Distribution，RFI
‑
MDI
‑
QKD)，将即插即用结构和参考系无关协议应用于测量设备无关量子密钥分发协议结合，解决了量子信道中偏振旋转问题、密钥分发双方参考系不对准及测量设备不安全问题，并降低了量子密钥分发系统的复杂性。2019年，Wang等人提出将神经网络应用于实际的量子密钥分发系统来预测制备量子态的最优参数。同年，Lu等人提出将反向传播神经网络用于测量设备无关量子密钥分发网络的参数优化和实时补偿。
[0003]由李倩、朱畅华等人在2018年4月提出的RFI
‑
MDI
‑
QKD采用了即插即用结构、参考系无关的编码策略和测量设备无关的量子密钥分发协议。然而，实际即插即用RFI
‑
MDI
‑
QKD系统中由于有限长密钥长度的影响及信道参数变化的问题，量子态制备参数会影响系统的密钥率及成码距离。上述协议使用来自实际经验的参数制备量子态，使用这种未经优化的量子态制备参数会降低系统的密钥率和成码距离。另外，由于量子密钥分发过程中存在信道失配参数变化等问题，系统不能及时对变化做出调整，使得量子密钥分发系统没有运行在最优参数上，造成量子密钥分发系统密钥率低、成码距离短等问题。即插即用RFI
‑
MDI
‑
QKD系统需要优化参数达到8个，属于高维函数的优化。使用局部搜索算法搜索会耗费大量时间，从而使得即插即用RFI
‑
MDI
‑
QKD系统调节不及时，造成密钥率低及成码距离短。

技术实现思路

[0004]本专利技术的目的是针对于即插即用RFI
‑
MDI
‑
QKD过程中存在的缺陷和不足，提出了
一种密钥率更高、成码距离更远的基于神经网络的即插即用参考系无关测量设备无关(RFI
‑
MDI
‑
QKD)系统及方法。
[0005]本专利技术是一种即插即用RFI
‑
MDI
‑
QKD系统，包括服务器Charlie模块、用户Alice模块及用户Bob模块，服务器Charlie模块分别和两用户模块通过光量子信道和经典信道连接，两用户模块之间通过经典信道连接；服务器模块主要包括提供光源的激光器、两个50:50的分束器BS1和BS2、两个偏振分束器PBS1和PBS2以及两个单光子探测器SPD1和SPD2，实现强光脉冲的产生、发送及贝尔态测量；两用户模块结构相同，每个用户模块中主要包括有以光量子传输方向依次连接的监测模块、量子态制备模块还有控制模块、纠错和密性放大模块，控制模块控制量子态制备模块的调制器制备相应量子态，纠错和密性放大模块对初始密钥进行纠错和密性放大，两用户之间的纠错和密性放大模块通过经典信道进行信息交互；其特征在于，两用户模块中的控制模块还设有神经网络，控制模块通过经典信道接收服务器模块发送的光量子信道参数，通过神经网络计算出量子态制备最优参数，将量子态制备最优参数传递给控制器，控制器根据最优参数控制量子态制备模块行为，完成量子态制备。
[0006]本专利技术还是一种即插即用RFI
‑
MDI
‑
QKD方法，密钥分发过程涉及两用户一个服务器，服务器提供测量设备，用户拥有监测设备和编码设备，其特征在于，使用神经网络计算出的最优参数进行量子态制备；量子密钥分发过程分三个阶段进行：第一阶段为信道参数测量阶段，第二阶段为量子态制备参数计算阶段，第三阶段为量子密钥分发阶段，具体包括有如下步骤：
[0007](1)信道参数测量阶段：开始量子态制备与测量，设定光量子信道失配参数门限值，服务器获取光量子信道参数，判断光量子信道适配参数是否高于门限值并做相应处理，为量子态制备参数计算做准备；
[0008](2)量子态制备参数计算阶段：预先构建并训练好一个神经网络；用户Alice和用户Bob分别利用该神经网络计算各自的量子态制备最优参数；用户分别将光量子信道失配参数e
d
、光量子信道距离L及有限长密钥长度N经过预处理后作为该神经网络的输入，该神经网络的输出经过反变换后即为计算出的量子态制备最优参数；在对称条件下用户Alice和用户Bob计算出的量子态制备最优参数是一致的；
[0009](3)量子密钥分发阶段：两用户分别进行随机比特串的量子态编码和传输，由服务器进行贝尔态测量并将结果告知两用户，执行N次后两用户分别得到随机比特串，两用户进行初始密钥筛选，随后进行窃听者检测，进行纠错后得到一致的密钥；用户分别对各自的密钥进行密性放大，减少攻击者Eve窃取的信息量，得到最终的安全密钥，量子密钥分发过程结束。
[0010]本专利技术解决了即插即用RFI
‑
MDI
‑
QKD系统由于使用最优量子态制备参数和系统调节不及时造成的密钥率低、成码距离短的技术问题。
[0011]本专利技术与现有的技术相比有以下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种即插即用参考系无关测量设备无关量子密钥分发系统，包括有服务器Charlie模块、用户Alice模块及用户Bob模块，服务器Charlie模块分别和两用户模块通过光量子信道和经典信道连接，两用户模块之间通过经典信道连接；服务器模块主要包括提供光源的激光器、两个50:50的分束器BS1和BS2、两个偏振分束器PBS1和PBS2以及两个单光子探测器SPD1和SPD2，实现强光脉冲的产生、发送及贝尔态测量；两用户模块结构相同，每个用户模块中主要包括有以光量子传输方向依次连接的监测模块、量子态制备模块还有控制模块、纠错和密性放大模块；控制模块控制量子态制备模块的调制器制备相应量子态，纠错和密性放大模块对初始密钥进行纠错和密性放大，两用户之间的纠错和密性放大模块通过经典信道进行信息交互；其特征在于，两用户模块中的控制模块还设有神经网络，控制模块通过经典信道接收服务器模块发送的光量子信道参数，通过神经网络计算出量子态制备最优参数，将量子态制备最优参数传递给控制器，控制器根据最优参数控制量子态制备模块行为，完成量子态制备。2.根据权利要求1所述的即插即用参考系无关测量设备无关量子密钥分发系统，其特征在于，所述控制模块中设有的神经网络，是预先构建并训练好的神经网络，其结构为：神经网络为全连接网络，层数为4；第1层为输入层，有三个输入节点，分别对应e1，e2，e3；第2层为隐藏层，有300个神经元，激活函数为线性整流单元ReLU；第3层为隐藏层，有300个神经元，激活函数为线性整流单元ReLU；第四层为输出层，有8个输出节点，分别对应p1，p2，p3，p4，p5，p6，p7，p8，为线性输出单元。3.一种即插即用参考系无关测量设备无关量子密钥分发方法，在权利要求1或2所述的即插即用参考系无关测量设备无关量子密钥分发系统上实现，密钥分发过程涉及两用户一个服务器，服务器提供测量设备，用户拥有监测设备和编码设备；其特征在于，使用神经网络计算出的最优参数进行量子态制备；量子密钥分发过程分三个阶段进行：第一阶段为信道参数测量阶段，第二阶段为量子态制备参数计算阶段，第三阶段为量子密钥分发阶段，具体包括有如下步骤：(1)信道参数测量阶段：开始量子态制备与测量，设定光量子信道失配参数门限值，服务器获取量子信道参数，判断光量子信道适配参数是否高于门限值并做相应处理，为量子态制备参数计算做准备；(2)量子态制备参数计算阶段：预先构建并训练好一个神经网络；用户Alice和用户Bob分别利用该神经网络计算各自的量子态制备最优参数；用户分别将光量子信道失配参数e
d
、光量子信道距离L及有限长密钥长度N经过预处理后作为该神经网络的输入，该神经网络的输出经过反变换后即为计算出的量子态制备最优参数；在对称条件下用户Alice和用户Bob计算出的量子态制备最优参数是一致的；(3)量子密钥分发阶段：两用户分别进行随机比特串的量子态编码和传输，由服务器进行贝尔态测量并将结果告知两用户，执行N次后两用户分别得到一个随机比特串，两用户进行初始密钥筛选，随后进行窃听者检测，最后进行纠错和密性放大。4.根据权利要求3所述的一种即插即用参考系无关测量设备无关量子密钥分发方法，其特征在于，量子密钥分发过程的三个阶段是依次执行的，三个阶段更具体的实现过程分述如下：第一阶段是信道参数测量阶段，具体包括有如下步骤：
1.1)设定光量子信道失配参数的门限值：根据实际运行过程设定。1.2)服务器获取光量子信道失配参数和光量子信道距离：服务器Charlie分别向两用户发送光脉冲，测量出服务器分别与两用户之间的光量子信道失配参数和光量子信道距离；服务器Charlie与用户Alice之间光量子信道失配参数和光量子信道距离L
ac
，服务器Charlie与用户Bob之间光量子信道失配参数和光量子信道距离L
bc
，在对称信道下有L
ac
＝L
bc
＝L；1.3)判断光量子信道失配参数是否高于门限值：若光量子信道失配参数e
d
高于门限值，结束量子密钥分发；若光量子信道失配参数e
d
低于门限值，执行步骤1.4)；1.4)服务器将信道参数发送向两用户：服务器Charlie通过经典信道将光量子信道失配参数e
d
和光量子信道距离L以及有限密钥长度N分别发送给用户Alice和用户Bob；第二阶段是量子态制备参数计算阶段，具体包括有如下步骤：2.1)预先训练好一个有3个输入，8个输出，2个隐藏层的神经网络；2.2)用户Alice和用户Bob将各自获取的光量子信道失配参数e
d
、光量子信道距离L、有限长密钥长度N经过预处理后作为神经网络的输入，分别计算出量子态制备的最优参数；在对称条件下，用户Alice和用户Bob通过神经网络计算出并经过反变换的最优参数是一致的；计算出量子态制备的最优参数具体为：制备信号态的透射率λ
μ
、制备诱骗态的透射率λ
v
，制备信号态的概率制备诱骗态的概率在制备信号态的条件下选择Z基的概率在制备信号态的条件下选择X基的概率在制备诱骗态的条件下选择Z基的概率在制备诱骗态的条件下选择X基的概率第三阶段是量子密钥分发阶段，包括有如下步骤：3.1)服务器Charlie分别向用户Alice和用户Bob发送强光脉冲：服务器Charlie产生功率恒定的强光脉冲，强光...

【专利技术属性】
技术研发人员：朱畅华，张子健，权东晓，易运晖，何先灯，赵楠，陈南，裴昌幸，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：