[发明专利]一种基于GRU模型的量子密码系统稳定控制方法

权利要求书

1.一种基于GRU模型的量子密码系统稳定控制方法，其特征在于：所述方法的适用场景为包括量子密钥分发在内的量子密码系统的稳定控制，以Matlab作为环境，以自然语言处理领域中序列到序列的思想作为模型获取的思想，该思想并非时序问题中惯用的时间窗思想，方法包括网络训练过程、网络预测过程和网络更新过程，所述网络训练过程包括以下步骤：

步骤一：对量子密码系统中获取的时序数据进行处理，根据Sequence to Sequence思想设计机器学习的特征数据和标签数据，并按照比例划分为训练集和测试集；

步骤二：根据特征数据和标签数据的数据结构，确定GRU网络的输入、输出层规格，并根据数据集数据量的多少确定隐藏层的层数，最终完成GRU网络架构；

步骤三：将训练集数据导入到确定的GRU网络架构，利用网络的正向、反向传播实现GRU网络的训练；

网络预测过程包括以下步骤：

步骤四：借助训练好的GRU预处理模型，对参数向量进行预测，并考虑该步骤的误差累积问题；

网络更新过程包括以下步骤：

步骤五：考虑预测获取的参数向量和扫描获取的真实参数向量间的周期交互问题，并根据QKD系统的实际传输情况，确定交互周期；

步骤六：根据确定的交互周期，周期性的用真实参数向量代替预测的参数向量进行后时间步的向量预测并同时微调网络，以此来实现网络的更新。

2.如权利要求1所述的一种基于GRU模型的量子密码系统稳定控制方法，其特征在于：所述步骤四中借助训练好的GRU预处理模型，对参数向量进行预测不同于常用的单一标量预测，而是对向量进行预测，所以每一时间步所要预测的全部补偿参数应视为一个整体。

3.如权利要求1所述的一种基于GRU模型的量子密码系统稳定控制方法，其特征在于：所述方法的网络更新处在模型预测阶段，这与训练阶段的模型参数更新并不相同，即通过一次整体训练，获取GRU预处理模型，此后在预测过程中结合Matlab环境特有的网络更新功能，对网络进行微调，以减弱由所需预测的参数向量含有多个补偿参数带来的误差累积，进而使QKD系统长时间使用GRU预处理模型。