一种基于随机森林算法的量子密钥分发参数优化方法技术

本发明专利技术涉及量子通信领域，提供了一种基于随机森林算法的量子密钥分发参数优化方法。在有限数据长的情况下，经全局优化的参数能显著提高实际诱骗态QKD系统的安全码率。传统的局部搜索算法可以用来寻找最优参数，但是它们一般会消耗较多的时间资源和计算资源，无法满足高速QKD系统实时参数优化和大型量子通信网络资源优化配置的需求。本发明专利技术利用原始数据预先训练一个随机森林模型，而后利用它直接预测最优参数，可以根据当前系统配置快速准确地预测出待优化的传输参数，大大加快了参数优化过程。数值仿真证明，我们的方法相比于传统搜索算法时间成本更低，并且有着较高的预测精度，在高速QKD系统和未来大规模量子通信网络中有良好的应用前景。

A parameter optimization method of quantum key distribution based on random forest algorithm

【技术实现步骤摘要】
一种基于随机森林算法的量子密钥分发参数优化方法
本专利技术涉及量子通信
，尤其涉及量子密钥分发的参数优化。
技术介绍
对于有限数据长情况下的诱骗态量子密钥分发(QKD，QuantumKeyDistribution)系统，充分优化的参数可以大大提高其密钥率。近年来，在移动平台(如无人机、掌上系统、甚至卫星)上实现QKD的技术备受关注，而这需要在低延迟和计算能力非常有限的情况下执行参数优化。另外，随着物联网的发展，QKD的一个极具潜力的发展方向可能是具有多设备互联的量子网络，这对大规模网络参数优化的控制器带来了巨大的计算挑战。传统上，这样的参数优化依赖于穷举搜索算法或者局部搜索算法，这些算法计算量大，在低功耗平台上运行速度慢，必然导致系统的延迟，无法满足大型QKD系统和QKD网络的需求，甚至对中等规模的网络也是不可行的。
技术实现思路
为了解决现有技术的不足，本专利技术提出一种基于机器学习的参数优化方法，应用于量子密钥分发系统。为实现上述目的，本专利技术提供如下技术方案：一种基于随机森林算法的量子密钥分发参数优化方法，所述优化方法本文档来自技高网...

【技术保护点】
1.一种基于随机森林算法的量子密钥分发参数优化方法，其特征在于：所述优化方法使用多输入多输出随机森林(RF，random forest)来预测任意给定系统条件下量子密钥分发(QKD，Quantum Key Distribution)系统的最佳强度和发送概率，在训练过程中，将一系列表示为

【技术特征摘要】
1.一种基于随机森林算法的量子密钥分发参数优化方法，其特征在于：所述优化方法使用多输入多输出随机森林(RF，randomforest)来预测任意给定系统条件下量子密钥分发(QKD，QuantumKeyDistribution)系统的最佳强度和发送概率，在训练过程中，将一系列表示为的数据输入到随机森林中进行训练，使训练后的随机森林掌握函数的特性；所述优化方法中训练及预测过程包括以下具体步骤详见以下步骤说明：
步骤一、利用程序随机生成系统参数组合，而后使用局部搜索算法(LSA，localsearchalgorithm)计算每组系统参数对应的最优传输参数及密钥率，从而构成训练数据集；其中系统参数主要包括本底误码率ed，暗计数率d，探测器效率ηd，发送脉冲数N，以及通信双方之间的传输距离L，由于探测器效率ηd可以转换为透光率，因而为了简化RF结构将其设...

【专利技术属性】
技术研发人员：王琴，丁华建，蒋庆庆，张春梅，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32