[发明专利]一种提高量子密钥分发系统成码率的方法及装置

权利要求书

1.一种提高量子密钥分发系统成码率的方法，其特征在于，该方法包括模型建立阶段和自补偿阶段：

模型建立阶段：

QKD系统进行量子密钥分发，在当前时刻对上一时刻分发的密钥进行基矢比对，并计算上一时刻分发的密钥的错误率；

通过学习算法以及得到的错误率训练激励函数网络，直至激励函数网络能预测出期望的输出，完成模型建立；

自补偿阶段：

完成模型建立后，根据建立的激励函数网络，在当前时刻由激励函数网络预测QKD系统上一时刻分发的密钥的错误率；

QKD系统根据激励函数网络输出的错误率进行校验，QKD系统根据所有基矢测量的结果经保密增强后得到加密用的密码串。

2.根据权利要求1所述的提高量子密钥分发系统成码率的方法，其特征在于，所述通过学习算法以及得到的错误率训练激励函数网络，直至激励函数网络能预测出期望的输出，完成模型建立包括：

每当得到上一时刻分发的密钥的错误率时，则根据当前时刻和错误率建立当前激励函数，当前激励函数的输入层包括上一时刻分发的密钥的错误率以及之前一层得到的所有激励函数输出的结果；

重复上述步骤，将得到的各个激励函数按照学习算法中的规则连接成激励函数网络，直至激励函数网络能够根据真实环境的输入预测出期望的输出，完成模型建立。

3.根据权利要求2所述的提高量子密钥分发系统成码率的方法，其特征在于，当进入自补偿阶段后，所述方法还包括：

比对激励函数网络输出的错误率与QKD系统的纠错模块给出的真实错误率之间的差值，若该差值大于预设的阈值，则返回模型建立阶段。

4.根据权利要求2所述的提高量子密钥分发系统成码率的方法，其特征在于，当进入自补偿阶段后，所述方法还包括设置定时器：

通过设置定时器，按照固定的时间周期返回模型建立阶段。

5.根据权利要求1所述的提高量子密钥分发系统成码率的方法，其特征在于，在模型建立阶段，控制QKD系统用于计算错误率的一组正交基编码概率低于典型值；

在自补偿阶段，根据实际需求或者量子通信协议控制QKD系统两组正交基的编码概率。

6.根据权利要求1-5任意一项所述的提高量子密钥分发系统成码率的方法，其特征在于，所述学习算法包括时间循环神经网络算法、自适应谐振理论网络算法、学习矢量量化网络算法、自组织特征映射网络算法或递归网络算法。

7.一种提高量子密钥分发系统成码率的装置，其特征在于，该装置包括模型建立模块和自补偿模块：

模型建立阶段：

QKD系统进行量子密钥分发，在当前时刻对上一时刻分发的密钥进行基矢比对，并计算上一时刻分发的密钥的错误率；

模型建立模块，用于通过学习算法以及得到的错误率训练激励函数网络，直至激励函数网络能预测出期望的输出，完成模型建立；

自补偿阶段：

完成模型建立后，自补偿模块，用于根据建立的激励函数网络，在当前时刻由激励函数网络预测QKD系统上一时刻分发的密钥的错误率；

QKD系统根据激励函数网络输出的错误率进行校验，QKD系统根据所有基矢测量的结果经保密增强后得到加密用的密码串。

8.根据权利要求7所述的提高量子密钥分发系统成码率的装置，其特征在于，所述模型建立模块包括训练单元：

所述训练单元，用于根据学习算法训练激励函数网络，学习算法包括每当得到上一时刻分发的密钥的错误率时，则根据当前时刻和错误率建立当前激励函数，当前激励函数的输入层包括上一时刻分发的密钥的错误率以及之前一层得到的所有激励函数输出的结果；

重复上述步骤，将得到的各个激励函数按照学习算法中的规则连接成激励函数网络，直至激励函数网络能够根据真实环境的输入预测出期望的输出，完成模型建立。