-
公开(公告)号：CN118366573A
公开(公告)日：2024-07-19
申请号：CN202410427447.0
申请日：2024-04-10
Applicant: 中南大学
Abstract: 本发明公开了一种基于图神经网络的无序固体结构流动缺陷识别方法，包括获取颗粒物质结构信息；采用获取的颗粒物质结构信息，得到无序固体中颗粒的重排情况，并给每个颗粒打上对应的标签；构建图结构，同时采用打上的颗粒标签，构建图结构数据集；基于构建的图结构数据集构建图神经网络预测模型，并采用构建的图结构数据集训练、优化图神经网络预测模型；采用训练、优化处理后的图神经网络预测分类模型，完成对无序固体流动结构缺陷的识别；本发明方法通过将颗粒物质结构信息作为图神经网络的输入，确定流动结构缺陷存在的位置；相比于传统的支持向量机方法，本发明方法的泛化能力更强、预测性能更优。
-
公开(公告)号：CN112767509B
公开(公告)日：2022-10-14
申请号：CN202110063986.7
申请日：2021-01-18
Applicant: 中南大学
Abstract: 本发明公开了一种用于关联成像系统的图像重构方法，包括获取基础数据并初始化参数；进行伪测量过程得到稀疏系数矩阵；进行交替优化得到采样矩阵；优化采样矩阵；计算得到信号矩阵；进行图像重构。本发明将关联成像光场优化问题转化为压缩感知中的测量矩阵或采样矩阵优化问题，利用稀疏系数矩阵交替优化采样矩阵和稀疏表示基，优化的采样矩阵经过非负约束和二值阈值量化处理后产生所需要的散斑模式；本发明使得优化的采样矩阵更有效地捕获与目标有关的信息；因此，本发明方法能够有效提高采样效率，降低采样次数，提高重构质量，能够实现低采样率下的高质量图像重构，而且可靠性高、稳定性好且适用范围广。
-
公开(公告)号：CN113364586B
公开(公告)日：2022-06-07
申请号：CN202110673585.3
申请日：2021-06-17
Applicant: 中南大学
Abstract: 本发明公开了一种连续变量量子密钥分发系统的数据协调方法，包括搭建高斯调制相干态连续变量量子密钥分发系统；获取不同信噪比下LDPC码译码过程的样本数据并处理得到样本集；搭建并训练得到连续变量量子密钥分发系统的LDPC译码器模型；在实际通信中采用训练好的LDPC译码器模型进行数据协调。本发明针对基于低密度奇偶校验码的多维协调过程进行设计，采用卷积降噪自编码器，通过降噪实现LDPC码的非迭代译码，达到更优的纠错性能，既提高了数据协调的效率，并且通过硬件可以加速神经网络的实现，也提高了数据协调的实现速度，从而提升整个连续变量量子密钥分发系统的工作效率和安全性。
-
公开(公告)号：CN111970279B
公开(公告)日：2022-06-07
申请号：CN202010831672.2
申请日：2020-08-18
Applicant: 中南大学
IPC: H04L9/40 , H04L9/08 , H04B10/079 , H04B10/548 , H04B10/61 , H04B10/69 , G06N3/08
Abstract: 本发明公开了一种连续变量量子密钥分发攻击检测方法，包括发送端调制信号光并和本振光一同发送给接收方；接收方分离得到信号光和本振光；对信号光进行实时散粒噪声估计；分割本振光，一部分本振光用于随机测量接收到的信号光的正则位置X或正则动量P的值，另一部分本振光用于获得时钟信号和本振光功率；计算密钥数据的均值、密钥数据的方差、LO平均功率和镜头噪声方差，并输入到事先建立好的攻击检测模型中进行检测得到通信过程中的攻击检测结果。本发明还公开了实现所述连续变量量子密钥分发攻击检测方法的检测系统。本发明实现了连续变量量子密钥分发过程的攻击方式检测，而且可靠性高、实用性好且准确率较高。
-
公开(公告)号：CN112953973B
公开(公告)日：2022-05-06
申请号：CN202110390368.3
申请日：2021-04-12
Applicant: 中南大学
Abstract: 本发明公开了一种针对连续变量量子密钥分发系统的混合攻击检测方法，包括搭建连续变量量子密钥分发攻击检测系统；采用搭建的系统获取不同攻击模式下的连续变量量子密钥通信数据并处理和划分样本集；构建基于多标签学习的连续变量量子密钥分发攻击检测模型并训练得到攻击检测模型；采用攻击检测模型对实际通信进行监测。本发明提供的这种针对连续变量量子密钥分发系统的混合攻击检测方法，通过采用多标签学习中的排序支持向量机算法，对攻击模式进行学习和识别，从而保证了本发明方法能够精准检测出针对量子密钥分发系统的混合攻击中包含的攻击类型，而且本发明方法的可靠性高、实用性好且适用范围广。
-
Patent Agency Ranking
公开(公告)号：CN114268433A
公开(公告)日：2022-04-01
申请号：CN202111616578.6
申请日：2021-12-27
Applicant: 中南大学
IPC: H04L9/08 , H04B10/2507 , H04B10/61 , H04B10/70
Abstract: 本发明公开了一种高速连续变量量子密钥分发系统的非线性补偿方法，包括搭建连续变量量子密钥分发实验系统；发送端以能够导致接收端平衡零差探测器失真的脉冲重复频率制备相干态并发送至接收端；接收端采用平衡零差探测器进行检测并获取失真测量值；在相同条件下发送端以能够保证接收端平衡零差探测器正常检测的脉冲重复频率制备相干态并发送至接收端；接收端采用平衡零差探测器进行探测并获取正常测量值；将失真测量值和正常测量值一一对应并构建数据集；构建基于自编码器的神经网络非线性补偿原始模型并采用数据集训练和优化得到非线性补偿模型；采用得到的非线性补偿模型对实际系统进行补偿。本发明可靠性高、有效性好且实施简单方便。
-
公开(公告)号：CN113037473A
公开(公告)日：2021-06-25
申请号：CN202110224104.0
申请日：2021-03-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于硅光子集成芯片的CVQKD系统，包括光源处理部分、量子密钥发射端、光纤信道和接收端；光源处理部分将光源发出的信号耦合处理后分发；量子密钥发射端将信号光进行调制并过滤，解调并采样之后生成高斯密钥，高斯密钥通过耦合后经过光纤信道发射到量子密钥接收端；量子密钥接收端对光纤信道输出的光信号进行处理，并进行零差检测；量子密钥发射端和量子密钥输出端均利用硅光子集成技术集成在同一片硅基光子芯片上。本发明还公开了一种所述基于硅光子集成芯片的CVQKD系统的方法。本发明显著提高了芯片器件的集成密度，压缩了器件体积，节约了大量的制作成本，使量子网络更加简易。
-
公开(公告)号：CN112787815A
公开(公告)日：2021-05-11
申请号：CN202110160921.4
申请日：2021-02-05
Applicant: 中南大学
Abstract: 本发明公开了一种基于攻击感知和防御的连续变量量子密钥通信方法，包括在正常通和受特定攻击的通信状态下，发送方发送数据并标定通信状态；接收方接收数据，划分为数据包并进行数据均衡化处理得到训练数据和测试数据；构建基于卷积神经网络的攻击感知初步识别模型并进行训练和测试得到基于卷积神经网络的攻击感知识别模型；接收方采用基于卷积神经网络的攻击感知识别模型进行攻击感知识别并对数据进行重组得到最终的发送数据。本发明还公开了实现所述基于攻击感知和防御的连续变量量子密钥通信方法的系统。本发明能够对连续变量量子密钥通信过程的攻击进行感知和识别，并进行相应的通信比特流处理，而且识别准确率高、通信效率高且稳定可靠。
-
公开(公告)号：CN112485870A
公开(公告)日：2021-03-12
申请号：CN202011419026.1
申请日：2020-12-07
Applicant: 中南大学 , 北京航天长征飞行器研究所
Abstract: 本发明公开了一种光纤耦合器阵列的自适应控制方法，包括搭建光纤耦合器阵列控制系统；采用搭建的光纤耦合器阵列控制系统进行数据传输，获取真实数据集并划分为训练数据集和测试数据集；搭建针对光纤耦合器阵列的自适应初步控制模型并训练得到针对光纤耦合器阵列的自适应控制模型；采用得到的自适应控制模型对光纤耦合器阵列进行自适应控制。本发明提引入强化学习手段对光纤耦合器阵列进行自适应控制，使得本发明方法比传统的SGPD方法更具有时效性和泛化性，能够提高激光接收终端的耦合效率以及稳定性，避免信息丢失，提高通信质量，而且安全可靠。
-
公开(公告)号：CN112134683A
公开(公告)日：2020-12-25
申请号：CN202011002363.0
申请日：2020-09-22
Applicant: 中南大学
Abstract: 本发明公开了一种离散变量量子密钥分发系统的攻击检测方法，包括搭建离散变量量子密钥分发攻击检测系统；获取基于不同系统参数和不同攻击模式下的离散变量量子密钥通信数据并处理，划分样本集；搭建基于生成对抗网络的离散变量量子密钥分发攻击检测初步模型并训练得到离散变量量子密钥分发攻击检测模型；采用离散变量量子密钥分发攻击检测模型对通信过程进行检测并实现离散变量量子密钥分发系统的攻击检测。本发明通过引入LSTM网络结构，并采用机器学习的方式对攻击方式进行学习和识别，从而保证了本发明方法能够精准检测出针对量子密钥分发系统的攻击的攻击类型，而且可靠性高、完整性好。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.026 seconds)
