湖南大学王耀南获国家专利权
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!
龙图腾网获悉湖南大学申请的专利基于多分类学习检测的量子密钥分发系统及其实现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:CN116155494B 。
龙图腾网通过国家知识产权局官网在2025-12-05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:202310197823.7,技术领域涉及:H04L9/08;该发明授权基于多分类学习检测的量子密钥分发系统及其实现方法是由王耀南;丁超;王石;朱青;毛建旭;武子杰;刘学兵;赵佳文;孙敬陶;聂静谋;张荣华设计研发完成,并于2023-03-03向国家知识产权局提交的专利申请。
本基于多分类学习检测的量子密钥分发系统及其实现方法在说明书摘要公布了:本发明提供了基于多分类学习检测的量子密钥分发系统及其实现方法,包括发送端Alice、接收端Bob及基于多分类学习的后处理程序模块;所述发送端Alice高斯调制量子信号,并将调制后的量子信号通过量子信道发送至所述接收端Bob;所述接收端Bob为量子密钥接收端Bob,使用零差检测器来测量接收到的量子信号,使用功率计来测量本振光强度,使用时钟电路来提供时钟信号,最后通过经典量子信道将量子信号数据发送至基于多分类学习的后处理程序模块;所述基于多分类学习的后处理程序模块对量子信号数据进行分析处理,产生最终安全密钥。本发明可以检测多种针对连续变量量子密钥分发系统的量子黑客攻击,从而增强高斯调制下的连续变量量子密钥分发系统的安全性。
本发明授权基于多分类学习检测的量子密钥分发系统及其实现方法在权利要求书中公布了:1.基于多分类学习检测的量子密钥分发系统及其实现方法,其特征在于,包括发送端Alice、接收端Bob及基于多分类学习的后处理程序模块; 所述发送端Alice包括:发送端脉冲激光器1、第一偏振器2、第一光变衰减器3、第一调幅器4、第一调相器5、第二光变衰减器6、第一偏振合束器7; 所述接收端Bob包括:第一偏振分束器8、第一光开关9、第一分束器10、第一零差检测器11、第二分束器12、第二调幅器13、第一PIN发光二极管14、第一功率计15、第一时钟电路16; 所述基于多分类学习的后处理程序模块17包括PC端; 所述发送端Alice高斯调制量子信号,并将调制后的量子信号通过量子信道发送至所述接收端Bob; 所述接收端Bob为量子密钥接收端Bob,使用零差检测器来测量接收到的量子信号,使用功率计来测量本振光强度,使用时钟电路来提供时钟信号,最后通过经典量子信道将量子信号数据发送至基于多分类学习的后处理程序模块; 所述基于多分类学习的后处理程序模块用于检测Bob发送的量子信号数据,通过多类支持向量机算法对量子信号数据进行分析处理,并根据处理结果与Alice密钥协商,产生最终安全密钥; 所述PC端通过对采集的量子信号数据分析处理,将接收到的70%的数据进行训练数据,标记不同量子黑客攻击的种类,剩余30%的数据进行分类检测,分类检测后的数据与所述发送端Alice进行参数估计、反向协商、隐私放大操作,产生最终安全密钥; 所述数据分析处理过程,具体按照以下步骤进行: 步骤P1.所述接收端Bob收集不同量子黑客攻击下的量子信号数据和正常信号数据,通过所述第一光开关9随机调节10%的最大衰减,测量散粒噪声方差N0;90%的最小衰减,计算测量值的均值和方差Vy,功率计测量本振光强度Ilo; Vy=ηTVAN0+ξ+N0+Vel, 其中,η是零差检测器的检测效率,VA是发送端Alice的调制方差,ξ是过噪声,Vel是电噪声,N0是散粒噪声方差; 步骤P2.PC端对数据进行预处理,采用离散标准化对数据线性变换: X*=x-MinMax-Min 其中,Max是数据最大值,Min是数据最小值,x是处理前数据,X*是处理后数据; 之后将70%的处理后数据进行训练,30%的数据进行测试,将训练后的多类支持向量机算法模型保存,用于量子黑客攻击数据的识别检测,该模型结构如下: 其中,ωm是第m个子分类器对应的优化参数,C是惩罚参数,l表示l条样本数据,表示松弛变量,φXi表示核函数映射到高维特征空间,bm表示偏置项,Yi=m表示第Yi样本数据属于第m个子分类器对应的类别;i为样本数据编号; 步骤P3.PC端中保存的训练后的多类支持向量机算法模型可直接用于量子黑客攻击检测,从而识别连续变量量子密钥分发系统是否遭受量子黑客攻击。
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湖南大学,其通讯地址为:410082 湖南省长沙市岳麓区麓山南路1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。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励