[发明专利]基于机器学习的CVQKD实时性能优化方法及系统

权利要求书

1.一种基于机器学习的CVQKD实时性能优化方法，其特征在于，包括步骤：

CVQKD系统构建步骤：发送端准备高斯分布的真随机数集合，并制备相干态，根据高斯分布的真随机数集合的元素，通过强度调制器和相位调制器对相干态进行编码；发送端将完成编码的相干态信号通过量子信道传输给接收端，接收端进行随机测量基选择并采用零差探测器对接收到的量子态进行测量；合法双方将进行基比对过程，舍弃测量基不同的信息；通过经典信道，发送端和接收端两方进行协商，判断是否存在窃听行为，如果存在，则放弃此次通信，如果不存在，发送端和接收端分别对自己的符号串进行量化，得到相关比特串，并通过保密增强，最终得到量子密钥；

训练数据收集步骤：从CVQKD系统中收集机器学习所需的物理参数；

预测数据计算步骤：根据所采集的物理参数，采用支持向量机算法得到预测模型，基于所述预测模型得到对应物理参数的预测数据；

反馈控制步骤：根据得到的预测数据，在CVQKD系统的接收端进行反馈控制；

所述物理参数包括本振光强度；

通过光纤分束器在CVQKD系统接收端分出一部分本振光进行本振光强度测量收集；

根据得到的本振光强度的预测数据，通过可调衰减器对本振光进行反馈控制。

2.一种基于机器学习的CVQKD实时性能优化系统，其特征在于，包括：

CVQKD系统构建模块：发送端准备高斯分布的真随机数集合，并制备相干态，根据高斯分布的真随机数集合的元素，通过强度调制器和相位调制器对相干态进行编码；发送端将完成编码的相干态信号通过量子信道传输给接收端，接收端进行随机测量基选择并采用零差探测器对接收到的量子态进行测量；合法双方将进行基比对过程，舍弃测量基不同的信息；通过经典信道，发送端和接收端两方进行协商，判断是否存在窃听行为，如果存在，则放弃此次通信，如果不存在，发送端和接收端分别对自己的符号串进行量化，得到相关比特串，并通过保密增强，最终得到量子密钥；

训练数据收集模块：从CVQKD系统中收集机器学习所需的物理参数；

预测数据计算模块：根据所采集的物理参数，采用支持向量机算法得到预测模型，基于所述预测模型得到对应物理参数的预测数据；

反馈控制模块：根据得到的预测数据，在CVQKD系统的接收端进行反馈控制；

所述物理参数包括本振光强度；

通过光纤分束器在CVQKD系统接收端分出一部分本振光进行本振光强度测量收集；

根据得到的本振光强度的预测数据，通过可调衰减器对本振光进行反馈控制。