【技术实现步骤摘要】
本专利技术属于量子密钥分发领域，具体是一种基于k近邻的相位编码cvqkd信号态识别方法。
技术介绍
1、量子密钥是一种用于保密通信的密钥分发方法，通过生成窃听者不能获知的私钥保证了通信的安全性和机密性。与其他加密方法的不同之处在于，量子密钥利用量子力学的特性实现密钥生成。连续变量量子密钥分发将随机数加载在弱相干态上，再利用这些加载的信息生成密钥。由于根据量子力学原理，任何观察量的测量都可能会改变其状态，因此发送方和接收方在传输过程中可以发现是否存在任何窃听者危及通信安全，从而保护通信的秘密性。
2、量子密钥分发(quantum key distribution,qkd)是量子信息领域的研究热点之一。基于量子力学的基本定理，qkd能够使两个距离遥远的合法双方alice和bob之间共享安全密钥。连续变量量子密钥分发(continuous-variable qkd,cvqkd)是qkd实现的重要手段之一，cvqkd通过改变量化电场的正交振幅来编码信息，使用零差或外差检测方案代替单光子检测器来恢复密钥。
3、目前，cvqkd协议中有两种调制方式，即高斯调制和离散调制，公告号为cn114205080b的专利公开了一种离散调制连续变量量子密钥分发态调制和密钥映射方法，包括：发送端在八个相干态的单环星座或十二个相干态的双环星座中随机选择一个态并经由量子信道发送至接收端，接收端对接收到的量子态进行外差探测并将相空间分为八个区域或十二个区域，根据探测结果所在的区域，将结果映射为相应的离散化值，得到原始密钥串；经过数据纠错，
4、然而该方法在分发量子密钥时，由于信道干扰、探测器电子噪声等的影响，量子态相位的测量结果叠加了相位噪声，影响密钥分发的准确率，因此，我们提出了一种基于k近邻的相位编码cvqkd信号态识别方法。
技术实现思路
1、本专利技术的目的是提供一种基于k近邻的相位编码cvqkd信号态识别方法，以解决现有技术中由于信道干扰、探测器电子噪声等的影响，量子态相位的测量结果叠加了相位噪声，影响密钥分发的准确率。
2、为了实现上述目的，本专利技术的技术方案如下：一种基于k近邻的相位编码cvqkd信号态识别方法，包括如下步骤：
3、s1、根据相位编码cvqkd协议生成可公开密钥数据集，将可公开密钥数据集分为训练集和测试集；
4、s2、对可公开密钥数据集中的每个信号态计算其相位值；
5、s3、构建基于k近邻算法的相位编码cvqkd信号态分类器，使用训练集数据对分类器进行训练；
6、s4、根据s2计算的相位值，获取与可公开密钥数据集距离最小的测试集，使用测试集数据对信号态分类器的训练结果进行评估，若训练结果与测试集数据的重合率高于90％，则训练完成，进行信号态识别，若训练结果与测试集数据的重合率低于90％，则继续训练，直至训练结果与测试集数据的重合率高于90％；
7、s5、将训练好的信号态分类器进行信号态识别，对接收到的未知信号态进行特征提取，将提取出的特征输入基于k近邻的信号态分类器，得到分类结果。
8、进一步，所述s1中获取可公开密钥数据集包括：通过发送端alice将n个随机相干态，发送至接收端bob，接收端bob对接收到量子态进行外差测量，得到随机变量，将其记为可公开密钥数据集。
9、进一步，所述s2中基于距离度量计算训练集和测试集的相位差。
10、进一步，所述s2中距离度量计算方法选自曼哈顿距离计算和欧式距离计算中的任意一种。
11、进一步，所述s2还包括基于交叉验证法确定最优k值，具体为：将可公开密钥数据集分成k组，分别选择每一组做验证集，其余做训练集，将会得到k个模型并将对其验证集的分类准确率求取平均值作为k近邻算法的分类准确率，分类准确率两端添加一个约束值，记为分类准确率区间，处于分类准确率区间的k值即为最优k值。
12、进一步，所述s3中构建基于k近邻的相位编码cvqkd协议分类器包括：
13、设y＝{y1,y2,…,yi}为包含l个类别的标签空间，训练集为其中xi∈x，yi∈y，|x>为未分类相干态，n(|x>)为训练集u中|x>的k个最近邻相干态子集，cj计算是|x>的邻居数属于第j类yj(1＜j＜l)：
14、
15、其中(|x*>,y*)表示训练集u中属于n(|x>)的已知类别相干态；
16、设hj表示相干态|x>的类别yj，则p(hj|cj)表示后验概率，在cj属于类别yj时，hj为真，为后验概率cj属于类别yj时，hj为假，记则基于k近邻的相位编码cvqkd协议分类器为：
17、
18、当p(hj|cj)后验概率大于时未知类别的相干态|x>属于yj类。
19、进一步，后验概率p(hj|cj)的计算如下：
20、将展开得到：
21、
22、其中，p(hj)和分别表示hj为真或假的先验概率，p(hj|cj)和分别表示hj为真或假的条件下cj属于类别yj的条件概率；
23、
24、
25、其中，s是一个平滑参数，用于概率估计过程中均匀先验分布的权重，对于拉普拉斯平滑通常设置为1；
26、计算条件概率p(hj|cj)和时，先对类别yj计算数组和
27、
28、
29、其中，
30、ψj(|xi>)统计第个相干态属于yj类的邻居的数量，计算属于类别yj本身的相干态数目，并在k个邻居中精确地计算出属于类别的r个邻居，计算不属于yj的相干态数目并且在k个邻居中精确地计算出属于yj类别的r个邻居；
31、则条件概率p(hj|cj)和的计算如下：
32、
33、
34、其中，1≤j≤l,0≤cj≤k。
35、进一步，所述s5中选取前m个未知信号态的特征对其所属类别进行统计，若未知信号态中超过80％的特征属于信号态分类器中的某一类别，则该未知信号态属于该类别，输出分类结果。
36、本方案的原理及有益效果：
37、本方案根据相位编码cvqkd协议生成可公开密钥数据集，分为训练集和测试集，先计算每个信号态的相位值，再构建基于k近邻算法的信号态分类器，将训练集输入分类器进行训练，获取足够多的分类，再基于已知的分类对未知的数据进行分类，减小了信道干扰、探测器电子噪声等的影响，也不会叠加相位噪声，提高了相位编码cvqkd协议中信号态的识别精度，进而提升了cvqkd协议在实际应用中的可行性和实用性。
38、除此之外，基于k近本文档来自技高网...
【技术保护点】
1.一种基于K近邻的相位编码CVQKD信号态识别方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于K近邻的相位编码CVQKD信号态识别方法，其特征在于：所述S1中获取可公开密钥数据集包括：通过发送端Alice将n个随机相干态，发送至接收端Bob，接收端Bob对接收到量子态进行外差测量，得到随机变量，将其记为可公开密钥数据集。
3.根据权利要求1所述的基于K近邻的相位编码CVQKD信号态识别方法，其特征在于：所述S2中基于距离度量计算训练集和测试集的相位差。
4.根据权利要求1所述的基于K近邻的相位编码CVQKD信号态识别方法，其特征在于：所述S2中距离度量计算方法选自曼哈顿距离计算和欧式距离计算中的任意一种。
5.根据权利要求1所述的基于K近邻的相位编码CVQKD信号态识别方法，其特征在于：所述S2还包括基于交叉验证法确定最优K值，具体为：将可公开密钥数据集分成K组，分别选择每一组做验证集，其余做训练集，将会得到K个模型并将对其验证集的分类准确率求取平均值作为K近邻算法的分类准确率，分类准确率两端添加一个约束值，记为分类
6.根据权利要求1所述的基于K近邻的相位编码CVQKD信号态识别方法，其特征在于：所述S3中构建基于K近邻的相位编码CVQKD协议分类器包括：
7.根据权利要求6所述的基于K近邻的相位编码CVQKD信号态识别方法，其特征在于：后验概率P(Hj|Cj)的计算如下：
8.根据权利要求1所述的基于K近邻的相位编码CVQKD信号态识别方法，其特征在于：所述S5中选取前M个未知信号态的特征对其所属类别进行统计，若未知信号态中超过80％的特征属于信号态分类器中的某一类别，则该未知信号态属于该类别，输出分类结果。
...【技术特征摘要】
1.一种基于k近邻的相位编码cvqkd信号态识别方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于k近邻的相位编码cvqkd信号态识别方法，其特征在于：所述s1中获取可公开密钥数据集包括：通过发送端alice将n个随机相干态，发送至接收端bob，接收端bob对接收到量子态进行外差测量，得到随机变量，将其记为可公开密钥数据集。
3.根据权利要求1所述的基于k近邻的相位编码cvqkd信号态识别方法，其特征在于：所述s2中基于距离度量计算训练集和测试集的相位差。
4.根据权利要求1所述的基于k近邻的相位编码cvqkd信号态识别方法，其特征在于：所述s2中距离度量计算方法选自曼哈顿距离计算和欧式距离计算中的任意一种。
5.根据权利要求1所述的基于k近邻的相位编码cvqkd信号态识别方法，其特征在于：所述s2还包括基于交叉验证法确定最...
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。