[发明专利]针对连续变量量子密钥分发系统的混合攻击检测方法

权利要求书

1.一种针对连续变量量子密钥分发系统的混合攻击检测方法，包括如下步骤：

S1.搭建连续变量量子密钥分发攻击检测系统；

S2.采用步骤S1搭建的连续变量量子密钥分发攻击检测系统，获取不同攻击模式下的连续变量量子密钥通信数据；

S3.将步骤S2获得的通信数据进行数据处理，并划分样本集；具体为将正常通信模式下，以及遭受攻击模式下的连续变量量子密钥通信数据，测量数据标记为d维特征X＝{x₁,x₂,...,x_d}，其中I_LOi为第i组测量数据中的本振光的强度，N_0i为第i组测量数据中的散粒噪声方差，为第i组测量数据中的接收端测量到的正交平均值，V_ui为第i组测量数据中的接收端测量到的正交方差；q种可能的攻击类型标记为多标签空间Y＝{y₁,y₂,...,y_q}，y的取值为0或1，0代表未遭受该攻击，1表示遭受该攻击；构建样本数据D＝{(x_i,y_i)|1≤i≤n}；然后将样本数据采用最大最小归一化算法进行数据归一化处理，最后按照设定的比例划分为训练集和测试集；

S4.构建基于多标签学习的连续变量量子密钥分发攻击检测模型，并采用步骤S3得到的样本集进行训练，得到攻击检测模型；具体为采用如下步骤构建模型：

A.模型内部结构为多标签算法的排序支持向量机，包括训练线性模型和训练阈值函数；

B.训练线性模型具体为：

在标签中，以相关或不相关作为判断；采用如下算式表示相关标签y_k和不相关标签y_l对应的分类超平面：

＜ω_j-ω_k,x＞+b_j-b_k＝0

式中ω_j为标签y_j的权重；ω_k为标签y_k的权重；b_k为标签y_k的偏移量；b_j为标签y_j的偏移量；

采用如下算式表示真实情况下算法对应的优化问题：最大化决策边缘与最小化Ranking loss函数的求和：

约束条件：＜ω_j-ω_k,x_i＞+b_j-b_k≥1-ξ_ijk

ξ_ijk＞0,1≤i≤n,

式中ξ_ijk为松弛变量，为松弛变量集合；C为惩罚因子；

C.训练阈值函数具体为：

采用如下算式表示阈值：

其中f_k(x_i)＝＜ω_k,x_i＞+b_k，f(·)返回实数值，表示多标签分类系统在每一个标签上的输出值；Y为标签空间；为标签空间的补集；t为设定阈值；

D.基于训练线性模型和训练阈值函数，得到最终的多标签分类器为h(x)＝{y_k|f_k(x)＞t(x),1≤k≤q}；q为可能的攻击类型数目；t(·)为所采用的阈值函数；h(x)最终输出为0、1字符串，对应是否受到各个攻击；

S5.采用步骤S4得到的攻击检测模型，对实际的连续变量量子密钥分发系统的通信过程进行监测，从而实现针对连续变量量子密钥分发系统的混合攻击检测。