[发明专利]针对连续变量量子密钥分发过程的异常通信检测方法有效
申请号: | 202110727788.6 | 申请日: | 2021-06-29 |
公开(公告)号: | CN113452523B | 公开(公告)日: | 2022-06-17 |
发明(设计)人: | 王一军;吴梓杰;黄端 | 申请(专利权)人: | 中南大学 |
主分类号: | H04L9/08 | 分类号: | H04L9/08;G06N3/04 |
代理公司: | 长沙永星专利商标事务所(普通合伙) 43001 | 代理人: | 周咏;米中业 |
地址: | 410082 湖南*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 针对 连续 变量 量子 密钥 分发 过程 异常 通信 检测 方法 | ||
1.一种针对连续变量量子密钥分发过程的异常通信检测方法,包括如下步骤:
S1.搭建连续变量量子密钥分发异常通信检测系统;具体包括发送端光源、发送端第一调幅器、发送端第一分束器、发送端第一偏振器、发送端第二调幅器、发送端第一调相器、发送端衰减器、发送端第二偏振器、发送端第二分束器、接收端第一90:10分束器、接收端第一偏振分束器、接收端第一检测器、接收端第二90:10分束器、接收端第一调相器、接收端第二检测器、接收端时钟同步模块和接收端数据处理中心;发送端光源发出信号光,通过发送端第一调幅器进行调幅后,再通过发送端第一分束器分为两束光;第一束光信号通过发送端第一偏振器进行偏振后,再通过发送端第二调幅器进行调幅,以及发送端第一调相器进行调相后,再通过发送端衰减器衰减后,输入到发送端第二分束器的第一输入端;发送端第一分束器输出的第二束光信号通过发送端第二偏振器进行偏振后,直接输入到发送端第二分束器的第二输入端;发送端第二分束器将输入的两束光信号合并后发送到接收端;接收端接收到发送端发送的信号后,通过接收端第一90:10分束器分为两束光;第一束光为10%的光信号,通过接收端时钟同步模块产生时钟信号;第二束光为90%的光信号,经过接收端偏振分束器再次分为两束子光信号;第一束子光信号经过接收端第二90:10分束器后,90%的光束通过接收端第二检测器进行检测,另一部分10%的光束经过接收端第一调相器调相后再进入接收端第一检测器;第二束子信号光同样进入接收端第一检测器进行检测;接收端第一检测器,接收端第二检测器和接收端时钟同步模块所产生的输出信号均被送入接收端数据处理中心进行数据处理;
S2.在步骤S1搭建的连续变量量子密钥分发异常通信检测系统中,进行正常情况下的量子密钥分发以及异常情况下的量子密钥分发,并获取对应的通信数据;
S3.根据步骤S2获取的通信数据,构建训练数据集;
S4.构建异常通信检测初步模型;具体包括如下步骤:
A.采用生成式对抗网络作为异常通信检测初步模型的内部结构,并结合自动编码器技术;以长短期记忆神经网络为基础,分为生成器和判别器;
B.生成器为一个完整的自动编码器,由输入层决定输入结构,连接长短期记忆神经网络层组成编码器,后连接解码器;解码器由RepeatVector层构成第一层,负责将编码器的输出转化为适合长短期记忆神经网络层的输入结构,而后连接长短期记忆神经网络层,最后连接全连接层;
C.判别器由特征提取器和分类器组成;特征提取器由输入层和长短期记忆神经网络层组成;分类器由RepeatVector层构成第一层,负责将编码器的输出转化为适合长短期记忆神经网络层的输入结构,而后连接长短期记忆神经网络层,最后连接两层全连接层;
D.在训练阶段,采用如下算式作为损失函数L:
L=Ladv+Lcon+Lfea
式中Ladv为对抗损失,且px为输入样本分布,x为输入样本,f()为特征表征函数,为生成器生成的样本,|| ||2为2范数,为从属于px分布的x样本的期望值;Lcon为上下文损失,且|| ||1为1范数;Lfea为特征提取损失,且z为输入样本经过编码器后生成的向量,为生成样本经过编码器后生成的向量;
E.在测试阶段,采用计算得到的值,来判断样本是否异常;
F.在训练阶段仅采用正样本进行训练;
S5.采用步骤S3得到的训练数据集对步骤S4构建的异常通信检测初步模型进行训练,从而得到异常通信检测模型;
S6.采用步骤S5得到的异常通信检测模型,对实时进行的连续变量量子密钥分发过程进行监控,实现针对连续变量量子密钥分发过程的异常通信检测。
2.根据权利要求1所述的针对连续变量量子密钥分发过程的异常通信检测方法,其特征在于步骤S2所述的异常情况下的量子密钥分发,具体包括遭受饱和攻击的量子密钥分发,遭受干扰通信攻击的量子密钥分发,遭受校准攻击的量子密钥分发,以及遭受本振攻击的量子密钥分发。
3.根据权利要求2所述的针对连续变量量子密钥分发过程的异常通信检测方法,其特征在于步骤S3所述的根据步骤S2获取的通信数据,构建训练数据集,具体为将正常情况下的量子密钥分发通信数据作为正样本数据,将异常情况下的量子密钥分发通信数据作为负样本数据;然后对所有的样本数据采用最小最大归一化算法进行数据归一化处理;最后将样本数据划分为训练样本和测试样本。
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中南大学,未经中南大学许可,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/202110727788.6/1.html,转载请声明来源钻瓜专利网。