量子电子学报

作者：刘潺,黄磊,王铮,朱凌瑾

单位：1 湖南信息学院电子科学与工程学院, 湖南 长沙 410151; 2 湖南大学信息科学与工程学院, 湖南 长沙 410082; 3 太和医院信息资源部, 湖北 十堰 442012; 4 湖南省计量检测研究院, 湖南 长沙 41001

关键词：量子信息,连续变量量子密钥分发,实际安全性,攻击检测,机器学习,

基金：湖南省重点研发计划 (2023GK2021, 2023GK2054)

连续变量量子密钥分发 (CVQKD) 具有理论上的无条件安全性, 这种安全性的前提假设条件是认为发送方和接收方的物理设备是完美运行的、安全可靠的。然而, 在实际CVQKD系统中, 窃听者可以从信源、信道以及检测端三个方面, 针对实际设备存在的物理缺陷发动攻击, 导致系统的实际安全性受到破坏。虽然目前针对部分实际量子攻击已有了相应的防御策略, 但每种策略仅能防御对应的攻击类型, 缺乏有效针对大多数攻击的通用型防御策略。本文将机器学习技术与CVQKD攻击检测相结合, 提出基于K近邻(KNN)算法的CVQKD实际攻击检测方案。该方案对CVQKD系统的光脉冲进行特征提取, 学习训练生成KNN预测模型, 最终将该模型部署在CVQKD系统的接收端, 用来检测实际量子攻击。仿真结果表明, 该攻击检测方案能有效检测出针对CVQKD的多种典型量子攻击, 且查准率和查全率均高于98%。

来源：2025年第6期

《量子电子学报》期刊编辑部

查看量子电子学报杂志2025年第6期