[发明专利]基于反向传播神经网络的CV-QKD协议码率预测方法及系统

权利要求书

1.一种基于反向传播神经网络的CV-QKD协议码率预测方法，其特征在于，包括以下步骤：

S1：根据离散调制CV-QKD协议，使用光强、传输距离、额外噪声这三个参数计算出训练集和测试集的所有数据；

所述所有数据中一次训练或测试的数据均包括28个特征参数作为输入，一个标签作为输出；所述28个特征参数中16个来自于用光强、传输距离、额外噪声计算出来的对于半正定矩阵的约束，另外12个来源于半正定矩阵的非对角元；令为产生算子，为消灭算子，；；；；分别代表作用在上的期望，表示发送端对做完的测量后接收端的态，是测到对应的态的测量算符；为0、1、2、3，其分别代表发送四个相干态，表示光的振幅，表示发送相应光的概率，表示虚数单位；

S2：对训练集和测试集的数据做数据预处理工作；

S3：使用训练集数据对反向传播神经网络进行训练；

S4：使用测试集数据对反向传播神经网络训练结果进行评估，将测试集数据输入反向传播神经网络得到预测的码率值，将预测的码率值与测试集中的标签作比较，判断预测的码率值是否小于等于标签；若预测的码率值大于标签则调整反向传播神经网络的算法中损失函数项里的超参数取值，并重新进行S3；反之，进行下一步；

所述损失函数的表达式为：

超参数是和，项即为保证无条件安全性的惩罚因子，n是用于训练反向传播神经网络的参数次数，是标签与对应的神经网络输出一起计算出的残差，表达式为：；

S5：将训练好的反向传播神经网络用于实际模拟过程，实验测出参数后，进行预处理工作后输入反向传播神经网络，得到码率对应的结果。

2.根据权利要求1所述的基于反向传播神经网络的CV-QKD协议码率预测方法，其特征在于：所述步骤S2中，数据预处理工作包括对一次训练或测试的数据中28个特征参数输入做标准化操作，即减去每个特征的均值再除以标准差；以及对一个标签做取对数操作，即标签取对数。

3.根据权利要求1所述的基于反向传播神经网络的CV-QKD协议码率预测方法，其特征在于：所述步骤S3中，反向传播神经网络包括两个隐藏层，28个神经元的输入层，1个神经元的输出层；两个隐藏层分别有400和200个神经元。

4.根据权利要求3所述的基于反向传播神经网络的CV-QKD协议码率预测方法，其特征在于：两个隐藏层中的第一层与输入层进行全连接，第二层与输出层进行全连接，两个隐藏层中的第一层与第二层之间也是全连接的。

5.一种实现如权利要求1-4任何一项所述的基于反向传播神经网络的CV-QKD协议码率预测方法的系统，其特征在于，包括：

训练数据生成模块：用于产生训练对应离散调制CV-QKD协议的反向传播神经网络的训练数据集和测试数据集；

神经网络训练模块：用于训练并完善预测码率的反向传播神经网络，确保离散调制CV-QKD的无条件安全性得到保证；

码率预测模块：使用训练完成的反向传播神经网络在具体的通信或实验过程中预测离散调制CV-QKD协议的码率值。