Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 东华大学;上海交通大学;合肥国家实验室蒋学芹获国家专利权

东华大学;上海交通大学;合肥国家实验室蒋学芹获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉东华大学;上海交通大学;合肥国家实验室申请的专利基于深度学习优化连续变量量子密钥分发信息协商中量化操作的方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119995867B

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510167391.4,技术领域涉及:H04L9/08;该发明授权基于深度学习优化连续变量量子密钥分发信息协商中量化操作的方法是由蒋学芹;朱琳;戴继生;黄鹏;曾贵华设计研发完成,并于2025-02-15向国家知识产权局提交的专利申请。

基于深度学习优化连续变量量子密钥分发信息协商中量化操作的方法在说明书摘要公布了:本发明提供一种基于深度学习优化连续变量量子密钥分发信息协商中量化操作的方法,包括:量子发送端和量子接收端分别获得第一原始高斯序列和第二原始高斯序列;量子接收端随机生成随机高斯序列,并获得新的高斯序列发给量子发送端;量子发送端得到目标高斯序列;量子接收端基于训练好的深度神经网络获取优化量化函数,和通过优化量化函数将随机高斯序列量化分切成m层原始密钥串,并将前k层原始密钥串直接发给量子发送端,及计算后m‑k层原始密钥串的校检子发给量子发送端;量子发送端进行信息协商;本发明通过深度神经网络对量化函数进行优化,实现自适应调整量化过程,以最小化量化过程中的误差,减少量化过程中的信息损失,提升量化效率。

本发明授权基于深度学习优化连续变量量子密钥分发信息协商中量化操作的方法在权利要求书中公布了:1.一种基于深度学习优化连续变量量子密钥分发信息协商中量化操作的方法,其特征在于,所述方法包括: 步骤一、在反向Slice协商机制中,量子发送端获得第一原始高斯序列x,量子接收端获得第二原始高斯序列y;所述第一原始高斯序列x和所述第二原始高斯序列y均服从高斯分布; 步骤二、所述量子接收端随机生成一随机高斯序列c,并将所述随机高斯序列c和所述第二原始高斯序列y进行相加后,获得新的高斯序列w=c+y,然后,将所述新的高斯序列w发送给所述量子发送端; 步骤三、所述量子发送端将所述新的高斯序列w减去所述第一原始高斯序列x后,得到目标高斯序列v=w‑x; 所述量子接收端搭建原始深度神经网络; 所述量子接收端基于训练集训练所述原始深度神经网络,以获取所述训练好的深度神经网络;所述训练集中包括多个训练高斯序列; 在所述量子接收端基于训练集训练所述原始深度神经网络的过程中,利用损失函数进行训练;所述损失函数的计算公式为: ; ; ;其中,为通过所述损失函数计算的损失值;为量化误差损失;为互信息损失;和为超参数;为所述训练集中所包含训练高斯序列的总数;为所述训练集中的第j个训练高斯序列;为基于训练所述原始深度神经网络时,对应的所述原始深度神经网络的输出;表示v、之间的互信息; 步骤四、所述量子接收端基于训练好的深度神经网络获取优化量化函数; 步骤五、所述量子接收端通过优化量化函数将所述随机高斯序列c量化分切成m层原始密钥串L1~Lm,并将前k层原始密钥串L1~Lk直接发送给所述量子发送端,并根据预先设定的纠错码和优化量化函数,计算后m‑k层原始密钥串Lk+1~Lm的校验子Sk+1~Sm,并将所述校验子Sk+1~Sm发送给所述量子发送端;1≤k<m,m≥2,且k、m均为整数; 步骤六、所述量子发送端得到所述目标高斯序列v后,设定一个层内最大迭代次数t,层间最大迭代次数T;t≥1,T≥1,t≥T,且t、T均为整数; 步骤七、所述量子发送端利用所述目标高斯序列v及前k层原始密钥串L1~Lk计算出第k+i层的对数似然比,然后,再根据计算出的第k+i层的对数似然比及所述校验子Sk+1~Sm进行第k+i层译码;i∈[1,m‑k],且i为整数; 步骤八、在所述量子发送端中,当第k+i层译码完成后,将第k+i层的译码结果传递给下一层进行估计和译码,直至第m层译码结束;在第m层译码结束后,如果所有层都成功译码,则保存译码成功密钥,并结束层内迭代译码;否则,一直进行层内迭代译码,直至达到所述层内最大迭代次数t,结束层内迭代译码,并将第m层的译码结果传递给第k+1层进行层间迭代译码;成功译码的层,所对应的译码结果均相同;所述译码成功密钥为所有层都成功译码的译码结果; 步骤九、在层间迭代译码中,每层译码结束时,将每层的层间迭代译码结果与所述步骤八中对应层的译码结果进行对比,如果相同,输出所述译码成功密钥,层间迭代译码结束; 否则,一直进行层间迭代译码,直至达到所述层间最大迭代次数T,结束层间迭代译码。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人东华大学;上海交通大学;合肥国家实验室,其通讯地址为:201620 上海市松江区人民北路2999号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。