[发明专利]一种基于机器学习的动态DWDM-QKD网络中的自适应信道分配方法有效
| 申请号： | 201910842906.0 | 申请日： | 2019-09-06 |
| 公开（公告）号： | CN110601826B | 公开（公告）日： | 2021-10-08 |
| 发明（设计）人： | 孙咏梅;牛佳宁;张永锐;纪越峰 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | H04L9/08 | 分类号： | H04L9/08;H04B10/70;G06N20/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100876 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于机器学习的动态DWDM‑QKD网络中自适应信道分配方法。本方法主要针对量子密钥分发与光网络融合中时变噪声干扰问题，在不影响已有经典业务服务机制的前提下，提供一种有效的噪声抑制信道分配方案。针对无法提前预知经典业务请求这一难题，本方案中设计了一种基于机器学习的最佳量子信道预测模型，经训练后能够根据网络状态在线预测具有最低噪声干扰的波长信道，基于这一预测结果周期性地对量子信道进行重新分配。本方案能够显著降低量子信号受到的噪声干扰，从而提高密钥生成率等性能，并且在实施量子信道分配过程中既无需对系统性能进行实时监控，也无需复杂的计算，极大降低了网络管控的负担，并且能够满足网络的实时性要求。 | ||
| 搜索关键词： | 一种 基于 机器 学习 动态 dwdm qkd 网络 中的 自适应 信道 分配 方法 | ||
【主权项】：
1.一种基于机器学习的动态DWDM-QKD网络中的自适应信道分配方法，其目的在于降低QKD与动态经典业务共存时的噪声干扰，从而提高QKD系统的密钥生成率；该方法以不干扰已有的经典业务服务机制为前提，对量子信道采取了周期性重构的方式；针对难以提前获知经典请求的连接建立情况这一问题，设计了基于机器学习的最佳量子信道的预测方法；该方法主要的技术要点包括：/nA.基于周期性重构的量子信道分配方法；/nB.基于机器学习的最佳量子信道预测方法。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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北京邮电大学，未经北京邮电大学许可，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/patent/201910842906.0/，转载请声明来源钻瓜专利网。
