一种基于GRU模型的量子密码系统稳定控制方法技术方案

技术编号:25837474 阅读:33 留言:0更新日期:2020-10-02 14:18
本发明专利技术提供一种基于GRU模型的量子密码系统稳定控制方法,应用于量子密码(QKD)系统。利用QKD传输系统调制器件和外部环境等参数变量的时序数据并结合NLP领域中的Sequence to Sequence思想,训练一个GRU时序预处理模型,根据输入当前时间步的环境参数和之前时间步的系统参数向量,快速地预测出下一时间步的系统参数向量。该方法大大加快了补偿参数的获取过程,并降低了补偿参数获取的硬件支持。

【技术实现步骤摘要】
一种基于GRU模型的量子密码系统稳定控制方法
本专利技术涉及量子通信、量子加密、量子信息等领域,尤其涉及一种基于GRU模型的量子密码系统稳定控制方法。
技术介绍
量子密码是量子通信的核心,它的安全与否直接决定着量子通信系统的安全性。量子密码的安全性建立在量子力学的基本原理之上,同时通过结合香农提出的“一次一密”(OTP,OneTimePad)定理,原则上可以为合法用户(Alice、Bob)提供无条件安全的量子通信。现有实用化的量子密码系统可以使用不同的编码方式,比如相位、偏振、时间-能量编码等,其中基于相位编码的系统应用最为广泛。自第一个量子密码协议——BB84协议提出以来,量子密码无论是在理论上还是在实验上均取得了巨大的进步。与此同时,越来越多的量子密码协议如参考系无关协议(RFI,ReferenceFrameIndependent)、测量设备无关协议(MDI,MeasurementDeviceIndependent)等,也相继投入到实际的量子密钥分配应用中。但是诸多协议对应的QKD系统往往存在着相位漂移、光强起伏、偏振漂移等问题,因此在QK本文档来自技高网...

【技术保护点】
1.一种基于GRU模型的量子密码系统稳定控制方法,其特征在于:所述方法的适用场景为包括量子密钥分发在内的量子密码系统的稳定控制,以Matlab作为环境,以自然语言处理领域中序列到序列的思想作为模型获取的思想,该思想并非时序问题中惯用的时间窗思想,方法包括网络训练过程、网络预测过程和网络更新过程,所述网络训练过程包括以下步骤:/n步骤一:对量子密码系统中获取的时序数据进行处理,根据Sequence to Sequence思想设计机器学习的特征数据和标签数据,并按照比例划分为训练集和测试集;/n步骤二:根据特征数据和标签数据的数据结构,确定GRU网络的输入、输出层规格,并根据数据集数据量的多少确定...

【技术特征摘要】
1.一种基于GRU模型的量子密码系统稳定控制方法,其特征在于:所述方法的适用场景为包括量子密钥分发在内的量子密码系统的稳定控制,以Matlab作为环境,以自然语言处理领域中序列到序列的思想作为模型获取的思想,该思想并非时序问题中惯用的时间窗思想,方法包括网络训练过程、网络预测过程和网络更新过程,所述网络训练过程包括以下步骤:
步骤一:对量子密码系统中获取的时序数据进行处理,根据SequencetoSequence思想设计机器学习的特征数据和标签数据,并按照比例划分为训练集和测试集;
步骤二:根据特征数据和标签数据的数据结构,确定GRU网络的输入、输出层规格,并根据数据集数据量的多少确定隐藏层的层数,最终完成GRU网络架构;
步骤三:将训练集数据导入到确定的GRU网络架构,利用网络的正向、反向传播实现GRU网络的训练;
网络预测过程包括以下步骤:
步骤四:借助训练好的GRU预处理模型,对参数向量进行预测,并考虑该步骤的误差累积问题;
网络更新过程包括以下步骤:

【专利技术属性】
技术研发人员:王琴陈以鹏丁华健刘靖阳
申请(专利权)人:南京邮电大学
类型:发明
国别省市:江苏;32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1