CN113452523B - 针对连续变量量子密钥分发过程的异常通信检测方法 - Google Patents
针对连续变量量子密钥分发过程的异常通信检测方法 Download PDFInfo
- Publication number
- CN113452523B CN113452523B CN202110727788.6A CN202110727788A CN113452523B CN 113452523 B CN113452523 B CN 113452523B CN 202110727788 A CN202110727788 A CN 202110727788A CN 113452523 B CN113452523 B CN 113452523B
- Authority
- CN
- China
- Prior art keywords
- quantum key
- key distribution
- receiving end
- sending end
- beam splitter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
- H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use
- H04L9/0852—Quantum cryptography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Optical Communication System (AREA)
Abstract
本发明公开了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,包括搭建连续变量量子密钥分发异常通信检测系统;在建的系统中进行正常和异常情况下的量子密钥分发、获取通信数据并构建训练数据集;构建异常通信检测初步模型并训练得到异常通信检测模型;采用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,完成异常通信检测。本发明通过生成式对抗网络结合自动编码器技术,实现了对正常通信与异常通信之间数据特征的学习和区分,从而保证了本发明方法能够准确地检测出量子密钥分发系统中的异常通信,而且可靠性高、完整性好。
Description
技术领域
本发明属于量子通信技术领域,具体涉及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。
背景技术
随着经济技术的发展和人们生活水平的提高,数据安全性已经成为了人们关注的重点。量子密钥分发技术,以其安全的密钥传输能力,吸引了大量研究人员进行研究。量子密钥分发能使合法的通信双方在不可信任的量子信道中安全共享密钥;量子密钥分发主要是利用测不准原理和量子态不可克隆定理来保证通信过程的无条件安全。随着量子密码技术的日益成熟和应用越来越广泛,量子密钥分配系统的实际安全性,已经成为了学科研究的一个新热点。
根据信息编码维度,人们可以将QKD协议分为两大类,离散变量(DiscreteVariable,DV)协议和连续变量(Continuous Variable,CV)协议。其中,离散变量类协议发展较为成熟,目前传输距离相对较远,但是量子态的制备和探测难度相对较高;连续变量类协议起步晚,但是潜力大,尤其是相干态类协议,其量子态制备过程较为简单,探测方法可以利用零差探测或外差探测,近距离时其成码率更高,且容易与经典光通信相容。因此,目前研究的热点为连续变量类协议(CV-QKD)。
现在的连续变量量子密钥分发技术,不管在理论上或者实验上都取得了很大的进展,但是目前的连续变量量子密钥分发仍然有较多方面需要继续完善,主要的原因是现实条件与理论中理想情况的差距:由于检测和传输器件并不完美,连续变量量子密钥分发系统中这些设备的漏洞就成为了攻击者主要的攻击目标。而基于这些漏洞的相干攻击也成为了危害系统安全性的一种重要的攻击方式。
本振攻击、校准攻击和波长攻击的实施,主要是利用本振光存在的实际安全漏洞,而在具体实施时,饱和攻击则主要利用不完善的零差/外差检测器的漏洞,从而对系统的安全性造成极大的影响。这些攻击在实际的CVQKD应用中很难被发现,并且通常配合拦截重发攻击来窃取信息。一旦攻击成功,将会对系统安全性造成不可估量的严重后果。
针对这些攻击,很多文献和学者针对不同攻击类型,提出了一些识别和防御方法,主要是通过对检测的光学参数扰动和估计的过量噪声的界限进行高精度的多次计算和迭代,从而估计攻击的存在性。然而,在该类方法中,这两种干扰的估计,只能在密钥传输过程完成后才能进行。而且,该类方法在应用中存在时间长、资源消耗大、实时性差等问题。而目前的利用机器学习的攻击检测方法,又存在每次检测所需的数据量过大的问题。
发明内容
本发明的目的在于提供一种可靠性高、准确性好且科学稳定的针对连续变量量子密钥分发过程的异常通信检测方法。
本发明提供的这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;
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;
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。
步骤S1所述的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。
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。
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。
步骤S4所述的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;
F.在训练阶段仅采用正样本进行训练。
本发明提供的这种针对连续变量量子密钥分发过程的异常通信检测方法,通过生成式对抗网络结合自动编码器技术,实现了对正常通信与异常通信之间数据特征的学习和区分,从而保证了本发明方法能够准确地检测出量子密钥分发系统中的异常通信,而且可靠性高、完整性好。
附图说明
图1为本发明方法的方法流程示意图。
图2为本发明搭建的连续变量量子密钥分发异常通信检测系统的功能模块图。
具体实施方式
如图1所示为本发明方法的方法流程示意图:本发明提供的这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;
连续变量量子密钥分发异常通信检测系统如图1所示,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;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;
S3.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;
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;
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。
Claims (3)
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;
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110727788.6A CN113452523B (zh) | 2021-06-29 | 2021-06-29 | 针对连续变量量子密钥分发过程的异常通信检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110727788.6A CN113452523B (zh) | 2021-06-29 | 2021-06-29 | 针对连续变量量子密钥分发过程的异常通信检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113452523A CN113452523A (zh) | 2021-09-28 |
CN113452523B true CN113452523B (zh) | 2022-06-17 |
Family
ID=77813971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110727788.6A Active CN113452523B (zh) | 2021-06-29 | 2021-06-29 | 针对连续变量量子密钥分发过程的异常通信检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113452523B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114024669B (zh) * | 2021-11-03 | 2022-11-08 | 中南大学 | 离散调制cvqkd通信异常终端检测系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102368705A (zh) * | 2011-11-14 | 2012-03-07 | 中国科学技术大学 | 对偏振编码量子密钥分配系统的攻击方法 |
CN109375609A (zh) * | 2018-10-18 | 2019-02-22 | 北京鼎力信安技术有限公司 | 异常攻击的检测方法及装置 |
CN111756527A (zh) * | 2019-03-27 | 2020-10-09 | 科大国盾量子技术股份有限公司 | 一种在量子密钥分发系统中抵御设备校准攻击的方法 |
CN113037778A (zh) * | 2021-04-12 | 2021-06-25 | 中南大学 | 针对连续变量量子密钥分发系统的攻击检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE602005013393D1 (de) * | 2004-09-02 | 2009-04-30 | Id Quantique S A | Quantenkryptographieverfahren und -vorrichtung mit zwei nichtorthogonalen zuständen mit intra- und inter-qubit-interferenz zur erkennung von lauschern |
GB201720063D0 (en) * | 2017-12-01 | 2018-01-17 | Cambridge Entpr Ltd | Quantum security systems |
CN112953973B (zh) * | 2021-04-12 | 2022-05-06 | 中南大学 | 针对连续变量量子密钥分发系统的混合攻击检测方法 |
-
2021
- 2021-06-29 CN CN202110727788.6A patent/CN113452523B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102368705A (zh) * | 2011-11-14 | 2012-03-07 | 中国科学技术大学 | 对偏振编码量子密钥分配系统的攻击方法 |
CN109375609A (zh) * | 2018-10-18 | 2019-02-22 | 北京鼎力信安技术有限公司 | 异常攻击的检测方法及装置 |
CN111756527A (zh) * | 2019-03-27 | 2020-10-09 | 科大国盾量子技术股份有限公司 | 一种在量子密钥分发系统中抵御设备校准攻击的方法 |
CN113037778A (zh) * | 2021-04-12 | 2021-06-25 | 中南大学 | 针对连续变量量子密钥分发系统的攻击检测方法 |
Non-Patent Citations (5)
Title |
---|
《Detecting quantum attacks: a machine learning based defense strategy for practical continuous-variable quantum key distribution》;Duan Huang et al.;《New Journal of Physics》;20200825;全文 * |
《Detection of a PNS attack by means of the quasiprobability function of the weak coherent states with phase diffusion in a CV-QKD system》;Josue Aaron Lopez et al.;《Microwave and Optical Technology Letters》;20150327;全文 * |
《Experimental vulnerability analysis of QKD based on attack ratings》;Rupesh Kumar et al.;《Scientific Reports》;20210505;全文 * |
《Hidden-Markov-model-based calibration-attack recognition for continuous-variable quantum key distribution》;Yiyu Mao et al.;《PHYSICAL REVIEW A》;20200611;全文 * |
《光纤中连续变量量子密钥分发研究》;黄端;《中国优秀博硕士学位论文全文数据库(博士) 基础科学辑》;20190815;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113452523A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106788706B (zh) | 可抵御实际攻击的连续变量量子密钥分发方法 | |
CN111970279B (zh) | 连续变量量子密钥分发攻击检测方法及其检测系统 | |
CN104350701B (zh) | 安全的无线通信 | |
CN111970280B (zh) | 连续变量量子密钥分发系统的攻击检测方法 | |
CN106850196B (zh) | 改进的可抵御实际攻击的连续变量量子密钥分发方法 | |
CN109388374B (zh) | 一种基于混沌放大量子噪声的随机数生成的方法 | |
Shereen et al. | Feasibility of time-synchronization attacks against PMU-based state estimation | |
Avesani et al. | Semi-device-independent heterodyne-based quantum random-number generator | |
CN105141376B (zh) | 一种cvqkd系统及其散粒噪声方差的实时监测方法 | |
CN112134683B (zh) | 离散变量量子密钥分发系统的攻击检测方法 | |
CN104539582A (zh) | 一种连续变量量子密钥分发安全防御方法 | |
Qin et al. | Saturation attack on continuous-variable quantum key distribution system | |
Zhou et al. | Design of a robust RF fingerprint generation and classification scheme for practical device identification | |
CN112953973B (zh) | 针对连续变量量子密钥分发系统的混合攻击检测方法 | |
CN107135066A (zh) | 一种原始密钥恢复装置和方法 | |
CN112511303B (zh) | 一种不需要监控信道的量子秘密共享方法及系统 | |
CN113452523B (zh) | 针对连续变量量子密钥分发过程的异常通信检测方法 | |
CN107872316A (zh) | 一种改进的基于衰减激光光源的被动式诱骗态qkd系统 | |
Shereen et al. | Detection and localization of PMU time synchronization attacks via graph signal processing | |
CN117879818B (zh) | 一种基于模式配对的量子密钥分发方法及设备 | |
CN112929163B (zh) | 测量装置无关的连续变量量子密钥分发方法及系统 | |
CN110380850A (zh) | Cvqkd实际系统中安全漏洞的防御方法、系统及介质 | |
CN113037475A (zh) | 一种非对称信道下的量子秘密共享方法及系统 | |
Chen et al. | Experimental study of secure quantum key distribution with source and detection imperfections | |
CN113259104B (zh) | 一种高抗噪性四态调制零差测量量子密钥分发方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |