[发明专利]基于GPU的大规模连续变量量子密钥分发的数据协调方法

说明书

本发明提供一种基于GPU的大规模连续变量量子密钥分发的数据协调方法，属于密钥分发领域，目的是解决目前数据协调方法在CPU上实现导致译码速度慢、效率不高的技术问题。包括：CPU将LDPC稀疏校验矩阵H以静态双向循环十字链表的方式存储后发送至GPU；CPU控制Alice将连续变量量子X发送至Bob；Bob探测到序列Y后对Y进行量化得到Y′，将Y′分级，得到第1至第4级码流序列，并进行编码得到编码后的第3和第4级码流序列；Bob将H与编码后的第3和第4级码流序列分别相乘得到第3和第4级码流序列对应的校验子，并连同第1和第2级码流序列通过理想经典信道发送回Alice；GPU根据Alice上的第3和第4级码流序列对应的校验子及自身存储的边信息X分配多个线程进行并行化多级解码。

技术领域

本发明涉及连续变量量子密钥分发技术领域，尤其涉及一种基于GPU的大规模连续变量量子密钥分发的数据协调方法。

背景技术

随着计算机信息技术的迅速发展，信息安全也占据着十分重要的地位。量子密钥分发(QKD)具有物理的无条件安全性，从而量子保密通信获得了人们的广泛关注。其中，连续变量量子密钥分发(CV-QKD)是量子保密通信领域中的一个重要分支，成为众多学者们研究的热点。CV-QKD的技术框架是Alice发送端通过对光子进行相干态调制，将连续高斯变量X经量子信道传送至Bob接收端，Bob接收端通过零拍探测器探测后接收序列Y。然而，由于一些不可避免的噪音以及第三方窃听者实际存在于量子信道，导致Bob接收端接收的序列Y会存在一些误码。为了纠正这些误码，需要对连续变量量子密钥分发进行数据协调，以去除窃听或信道噪声所引入的误码。因此，数据协调在本质上是一个纠错过程。

目前，CV-QKD的数据协调方法为：在CPU上使用低密度奇偶校验码(LDPC码)为基本错误校正码，采用逆向协调结合MLC/MSD的协调方案来实现。

然而，由于CPU工作是串行的，CV-QKD数据协调的MSD多级译码方案是各级分别进行LDPC译码，译码算法采用对数域译码，校验矩阵采用随机稀疏校验矩阵，矩阵规模大，加之需要BP(置信传播)多次译码才能校正错码，这使得译码速度缓慢，导致数据协调效率不高。

发明内容

为了解决目前的大规模连续变量量子密钥分发的数据协调方法在CPU上实现，导致译码速度慢、数据协调效率不高的技术问题，本发明提供一种基于GPU的大规模连续变量量子密钥分发的数据协调方法。

本发明的技术方案是：

一种基于GPU的大规模连续变量量子密钥分发的数据协调方法，其包括：

步骤1，CPU将LDPC稀疏校验矩阵H以静态双向循环十字链表的方式进行存储，并通过CPU与GPU之间的通信接口将该LDPC稀疏校验矩阵H发送至GPU；

步骤2，CPU控制发送端Alice通过量子信道将大规模连续变量量子X发送至接收端Bob；CPU控制接收端Bob首先通过零拍探测器探测到序列Y后，对序列Y进行量化，得到二进制离散序列Y′；然后，CPU控制接收端Bob使用多级编码调制将二进制离散序列Y′分级，得到第1级码流序列、第2级码流序列、第3级码流序列和第4级码流序列，并将第3级码流序列和第4级码流序列经Slepian-Wolf编码器进行数据压缩后，得到编码后的第3级码流序列和编码后的第4级码流序列；接下来，CPU控制接收端Bob将LDPC稀疏校验矩阵H与编码后的第3级码流序列和编码后的第4级码流序列分别相乘，得到第3级码流序列对应的校验子S₃和第4级码流序列对应的校验子S₄；最后，CPU控制接收端Bob将第1级码流序列、第2级码流序列、第3级码流序列对应的校验子S₃和第4级码流序列对应的校验子S₄通过理想经典信道发送回发送端Alice；