基于机器学习的量子密钥分发系统和方法技术方案

本申请提供一种基于机器学习的量子密钥分发系统和方法。所述系统包括：网络管理层，被配置为获取用户指令；所述用户指令包括对所述量子密钥分发系统中的元件进行性能预测或功能设置中的至少一种指令；根据所述用户指令是否有对应的指标指令，发送所述用户指令至机器学习层或发送所述指标指令至功能层；机器学习层，被配置为根据所述用户指令通过目标问题度量程序得到所述指标指令，根据所述指标指令进行模型训练得到功能模型以及将所述指标指令发送至网络管理层以便网络管理层对其进行存储；功能层，被配置为根据所述指标指令调取所述功能模型，并根据所述功能模型的输出结果确定目标元件指令并发送至目标元件。定目标元件指令并发送至目标元件。定目标元件指令并发送至目标元件。

【技术实现步骤摘要】
基于机器学习的量子密钥分发系统和方法


[0001]本申请涉及网络系统
，尤其涉及一种基于机器学习的量子密钥分发系统和方法。

技术介绍

[0002]量子密钥分发是一种基于量子力学原理实现的密钥生成技术，通过量子态的制备、传输和测量，在收发双方之间实现无法被窃取的共享随机密钥生成。量子密钥技术要求网络系统包括发射方、信道和接收方，相关技术中的量子密钥分发系统主要包括管理层和功能层，上述功能层一般包括控制层、密钥管理层和量子层中的至少一种。
[0003]随着计算机技术的发展，相关技术中提出将机器学习模型应用到量子密钥分发系统中，用以提高系统的处理能力和计算能力。相关技术中一般是根据某一特定问题训练机器学习模型后置入对应的功能层中。但是通过上述方式，由于系统不具有分析目标和问题的能力，当出现遇到突变情况或复杂问题时，上述系统无法通过自我学习能力对系统进行更新或升级，只能依靠相关人员进行调整。因此，相关技术仍有无法应对突变情况以及无法解决复杂指令的缺点。

技术实现思路

[0004]有鉴于此，本申请的目的在于提出一种基于机器学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的量子密钥分发系统，其特征在于，包括：网络管理层，被配置为获取用户指令；所述用户指令包括对所述量子密钥分发系统中的元件进行性能预测或功能设置中的至少一种指令；根据所述用户指令是否有对应的指标指令，发送所述用户指令至机器学习层或发送所述指标指令至功能层；机器学习层，被配置为根据所述用户指令通过目标问题度量程序得到所述指标指令，根据所述指标指令进行模型训练得到功能模型以及将所述指标指令发送至网络管理层以便网络管理层对其进行存储；功能层，被配置为根据所述指标指令调取所述功能模型，并根据所述功能模型的输出结果确定目标元件指令并发送至目标元件。2.根据权利要求1所述的基于机器学习的量子密钥分发系统，其特征在于，所述网络管理层，包括：获取单元，被配置为获取所述用户指令；判断单元，被配置为确认存储单元中是否有所述用户指令对应的指标指令；发送单元，被配置为响应于确定有对应的指标指令，将所述指标指令发送至功能层；响应于确定没有对应的指标指令，将所述指标指令发送至机器学习层；存储单元，被配置为接收所述机器学习层发送的所述指标指令，存储所述指标指令。3.根据权利要求1所述的基于机器学习的量子密钥分发系统，其特征在于，所述机器学习层包括：用户指令解析单元，被配置为根据所述用户指令通过目标问题度量程序得到所述指标指令，并将所述指标指令发送至模型训练单元；模型训练单元，被配置为根据所述指标指令获取目标元件的历史运行数据并进行模型训练，在所述模型通过测试后将其作为功能模型进行存储；发送模块，被配置为将所述指标指令发送至网络管理层以便网络管理层对其进行存储。4.根据权利要求3所述的基于机器学习的量子密钥分发系统，其特征在于，所述用户指令解析单元，包括：解析模块，被配置为根据目标与对应预定问题对所述用户指令进行解析，确定所述用户指令的指标；编排模块，被配置为根据所述指标，构建用于编排的所述指标指令；发送模块，被配置为将所述指标指令发送至所述模型训练单元。5.根据权利要求4所述的基于机器学习的量子密钥分发系统，其特征在于，所述解析模块进一步被配置为：根据所述目标问题度量程序中的目标与人为预定的问题，通过度量标准对所述用户指令进行度量，得到所述用户指令的指标。6.根据权利要求3所述的基于机器学习的量子密钥分发系统，其特征在于，所述模型训练单元，包括：功能管理模块，被配置为根据所述指标指令获取目标元件的历史运行数据并进行模型训练，将训练得到的功能模型发送至测试模块；测试模块，被配...

【专利技术属性】
技术研发人员：赵永利，朱青橙，郁小松，张杰，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：