[发明专利]一种基于GRU模型的量子密码系统稳定控制方法

说明书

本发明提供一种基于GRU模型的量子密码系统稳定控制方法，应用于量子密码（QKD）系统。利用QKD传输系统调制器件和外部环境等参数变量的时序数据并结合NLP领域中的Sequence to Sequence思想，训练一个GRU时序预处理模型，根据输入当前时间步的环境参数和之前时间步的系统参数向量，快速地预测出下一时间步的系统参数向量。该方法大大加快了补偿参数的获取过程，并降低了补偿参数获取的硬件支持。

技术领域

本发明涉及量子通信、量子加密、量子信息等领域，尤其涉及一种基于GRU模型的量子密码系统稳定控制方法。

背景技术

量子密码是量子通信的核心，它的安全与否直接决定着量子通信系统的安全性。量子密码的安全性建立在量子力学的基本原理之上，同时通过结合香农提出的“一次一密”（OTP，One Time Pad）定理，原则上可以为合法用户（Alice、Bob）提供无条件安全的量子通信。现有实用化的量子密码系统可以使用不同的编码方式，比如相位、偏振、时间-能量编码等，其中基于相位编码的系统应用最为广泛。自第一个量子密码协议——BB84协议提出以来，量子密码无论是在理论上还是在实验上均取得了巨大的进步。与此同时，越来越多的量子密码协议如参考系无关协议(RFI， Reference Frame Independent )、测量设备无关协议(MDI， Measurement Device Independent)等，也相继投入到实际的量子密钥分配应用中。但是诸多协议对应的QKD系统往往存在着相位漂移、光强起伏、偏振漂移等问题，因此在QKD实用化过程中往往需要对这些参数进行扫描、监控或其他相关操作，以获取这些参数在QKD系统中的补偿量，保证QKD系统的正常传输。但是在有些补偿量的获取过程中，如通过扫描获取补偿电压的过程中，QKD系统无法进行传输，这就导致系统整体效率低下，虽然可以使用基于FPGA的相位实时补偿技术，但这种方法需要比较高昂的硬件开销。尤其是对于高速QKD或是复杂协议系统而言，需要快速补偿或同时获取多个补偿量，使得硬件开销进一步增大。

发明内容

针对现有技术的不足，本发明的目的是提供一种基于GRU模型的量子密码（QKD）系统稳定控制方法，应用于QKD系统。利用QKD传输系统调制器件和外部环境等参数变量的时序数据，训练一个GRU时序预处理模型，根据输入当前时间步的环境参数和之前时间步的参数向量，快速地预测出下一时间步的参数向量。该方法大大加快了补偿参数的获取过程，并降低了补偿参数获取的硬件支持。本发明使用BB84 相位编码QKD系统中的时序数据进行了验证，但不仅仅限于BB84协议或相位编码QKD系统。仿真结果表明：参数向量中补偿参数的预测值，和系统实际补偿参数的值相对接近；预测速度快，极大的提高了QKD系统的有效传输效率。

本发明提供一种基于GRU模型的量子密码系统稳定控制方法，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，采用的模型获取思想为NLP中的Sequence to Sequence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QKD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7:3的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：