[发明专利]基于芯片CVQKD实际系统中安全漏洞的防御方法及系统有效
申请号: | 202110303527.1 | 申请日: | 2021-03-22 |
公开(公告)号: | CN113055167B | 公开(公告)日: | 2022-06-03 |
发明(设计)人: | 黄鹏;李琅;曾贵华 | 申请(专利权)人: | 上海循态量子科技有限公司;上海交通大学 |
主分类号: | H04L9/08 | 分类号: | H04L9/08;G06N3/04;G06N3/08 |
代理公司: | 上海段和段律师事务所 31334 | 代理人: | 李佳俊;郭国中 |
地址: | 200241 上海市*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 芯片 cvqkd 实际 系统 安全漏洞 防御 方法 | ||
1.一种基于芯片CVQKD实际系统中安全漏洞的防御方法,其特征在于,包括:
步骤S1:将芯片CVQKD实际系统的收发端相连,在芯片CVQKD实际系统运行预设时间后,采集预设数量的实际调制电压数据及相对应的实际正则位置分量
步骤S2:根据实际调制电压数据计算理论正则位置分量值
步骤S3:利用预设数量的实际调制电压数据相对应的实际正则位置分量以及理论正则位置分量值训练深度神经网络,得到初始训练后的深度神经网络;
步骤S4:利用初始训练后的深度神经网络对高斯随机调制电压的载流子波动值进行预测,得到载流子波动估计值
步骤S5:利用载流子波动估计值对高斯随机调制电压进行校准,得到符合预设条件的高斯随机调制电压比较符合预设条件的高斯随机调制电压产生的相应的实际正则位置分量与计算出的相应的理论正则位置分量是否满足预设误差精度条件,当满足预设要求时,则得到训练后的深度神经网络;否则,重新获取高斯随机调制电压重复执行步骤S4至步骤S5,直至得到训练后的深度神经网络;
步骤S6:根据训练后的深度神经网络预测得到的载流子波动值,利用载波子波动值对当前电压进行校准;
所述步骤S1包括:
其中,λ:为真空中的信号光波长;ε0:为真空中的介电常数;L:为硅基集成马赫-曾德尔干涉仪的干涉臂长度;x10:为光场调制前的初始正则位置分量;εr:为介质中的介电常数;为硅基集成调制器中载流子浓度波动变化的百分比;e:为电子电量;tox:为而氧化硅层的厚度;t:为有效电荷层的厚度;VD表示调制电压;
所述步骤S2包括:
其中,x10表示光场调制前的初始正则位置分量;λ表示真空中的信号光波长;L表示硅基集成马赫-曾德尔干涉仪的干涉臂长度;ε0表示真空中的介电常数;εr表示介质中的介电常数;e表示电子电量;tox表示而氧化硅层的厚度;t表示有效电荷层的厚度;
所述步骤S5包括:
步骤S5.1:根据预设数量的实际调制电压数据相对应的实际正则位置分量以及理论正则位置分量值构建本地字典数据库;
步骤S5.2:通过量子随机数生成器产生高斯随机调制电压
步骤S5.3:基于高斯随机调制电压根据本地字典数据库,得到与高斯随机调制电压最近邻的以及相对应的
步骤S5.4:将数据集输入初始训练后的深度神经网络,得到当前调制电压下的载波子波动预测值
步骤S5.5:利用当前调制电压以及相应的载波子波动预测值计算得到符合预设条件的调制电压
步骤S5.6:比较符合预设条件的调制电压产生的相应的实际正则位置分量与根据计算出的相应的理论正则位置分量是否满足预设要求,当满足预设要求时,则结束训练,获得训练后的深度神经网络;否则,重复执行步骤S5.2至步骤S5.6,直至训练结束;
所述步骤S5.5包括:
其中,表示当前调制电压;表示硅基集成调制器中载流子浓度波动变化的百分比。
2.根据权利要求1所述的基于芯片CVQKD实际系统中安全漏洞的防御方法,其特征在于,所述步骤S3包括:
步骤S3.1:根据实际正则位置分量值与理论正则位置分量值得到当前状态理论正则位置分量值和实际调制电压数据下估计出的的载流子波动值;
步骤S3.2:利用预设数量的实际调制电压数据相对应的实际正则位置分量以及理论正则位置分量值训练深度神经网络,得到初始训练后的深度神经网络。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海循态量子科技有限公司;上海交通大学,未经上海循态量子科技有限公司;上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110303527.1/1.html,转载请声明来源钻瓜专利网。