-
公开(公告)号：CN120017260A
公开(公告)日：2025-05-16
申请号：CN202510167392.9
申请日：2025-02-15
Abstract: 本发明提供一种基于GA‑BP神经网络的连续变量量子密钥分发参数优化方法、系统、介质及电子设备；所述方法包括：从CV‑QKD系统中获取原始数据，归一化处理原始数据，获取归一化数据，将归一化数据划分为训练集和测试集；利用训练集建立BP神经网络；采用遗传算法优化BP神经网络的权值和阈值，得到拟合效果最优的GA‑BP神经网络；利用测试集实现对GA‑BP神经网络的测试，获取测试好的GA‑BP神经网络；根据测试好的GA‑BP神经网络获取目标调制方差与对应的目标密钥率之间的映射关系，以基于映射关系使用二分法找出最优调制方差以及对应的最大密钥率；本发明减少了计算密钥率的复杂度，提高了CV‑QKD系统中的密钥率和传输距离。
-
公开(公告)号：CN108449173A
公开(公告)日：2018-08-24
申请号：CN201810074519.2
申请日：2018-01-25
Abstract: 本发明涉及一种连续变量量子密钥分发模型中的信息协商方法，包括以下步骤：接收端选择长度为Nn的随机向量U，并基于随机向量U和接收到的信息y形成协商信息M(y,U)；接收端计算随机向量U的校正子s，并通过公共信道将协商信息M(y,U)和子校正子si发送给发送端；发送端根据发送的光子序列、协商信息M(y,U)和子校正子si进行译码，并将译码结果通过公共信道发送给接收端已告知哪些子帧是错误的；接收端舍弃错误的子帧。由于不用丢弃整个帧，本发明能够提高密钥协商中的密钥速率。
-
公开(公告)号：CN120017259A
公开(公告)日：2025-05-16
申请号：CN202510167390.X
申请日：2025-02-15
IPC: H04L9/08
Abstract: 本发明提供一种基于二维元胞自动机的密钥保密增强方法、系统及介质，所述方法包括：根据量子密钥分发需求设置元胞自动机的行数K、列数C和最终密钥压缩率的倒数C，并在设置完成之后接收n位协商密钥，根据所述元胞自动机的参数将所述协商密钥转换成K×M位的协商密钥矩阵T，K、M和C均为正整数；对所述元胞自动机进行初始化并自动更新，将所述协商密钥矩阵转换为m个子矩阵，其中，m＝M/C；通过所述元胞自动机依次对每一个所述子矩阵进行处理以得到每一个所述子矩阵对应的分块密钥；将所述分块密钥组合在一起形成最终的目标密钥；本发明有效提高了密钥的保密性，并增强了保密增强算法的性能。
-
公开(公告)号：CN119995867A
公开(公告)日：2025-05-13
申请号：CN202510167391.4
申请日：2025-02-15
Abstract: 本发明提供一种基于深度学习优化连续变量量子密钥分发信息协商中量化操作的方法，包括：量子发送端和量子接收端分别获得第一原始高斯序列和第二原始高斯序列；量子接收端随机生成随机高斯序列，并获得新的高斯序列发给量子发送端；量子发送端得到目标高斯序列；量子接收端基于训练好的深度神经网络获取优化量化函数，和通过优化量化函数将随机高斯序列量化分切成m层原始密钥串，并将前k层原始密钥串直接发给量子发送端，及计算后m‑k层原始密钥串的校检子发给量子发送端；量子发送端进行信息协商；本发明通过深度神经网络对量化函数进行优化，实现自适应调整量化过程，以最小化量化过程中的误差，减少量化过程中的信息损失，提升量化效率。
-
公开(公告)号：CN119966621A
公开(公告)日：2025-05-09
申请号：CN202510126189.7
申请日：2025-01-27
Abstract: 本发明提供一种基于Polar码和有损压缩的连续变量量子密钥分发多维协商方法，所述方法包括：量子信息发送方制备量子态，通过量子信道将量子态传输给量子信息接收方，量子信息接收方通过测量量子态得到原始密钥，量子信息发送方和量子信息接收方分别对量子态和原始密钥进行基于Polar码的有损压缩，分别输出第一二进制序列和第二二进制序列，然后，量子信息发送方和量子信息接收方分别对第一二进制序列和第二二进制序列进行映射操作，产生第一映射序列和第二映射序列，最后，量子信息发送方和量子信息接收方利用第一映射序列和第二映射序列进行后续的协商过程；本发明减少了多维协商中需要处理的信息量，降低了经典信道在信息传输时的负担。
-
Patent Agency Ranking
公开(公告)号：CN108449173B
公开(公告)日：2021-03-19
申请号：CN201810074519.2
申请日：2018-01-25
Abstract: 本发明涉及一种连续变量量子密钥分发模型中的信息协商方法，包括以下步骤：接收端选择长度为Nn的随机向量U，并基于随机向量U和接收到的信息y形成协商信息M(y,U)；接收端计算随机向量U的校正子s，并通过公共信道将协商信息M(y,U)和子校正子si发送给发送端；发送端根据发送的光子序列、协商信息M(y,U)和子校正子si进行译码，并将译码结果通过公共信道发送给接收端以告知哪些子帧是错误的；接收端舍弃错误的子帧。由于不用丢弃整个帧，本发明能够提高密钥协商中的密钥速率。
-
公开(公告)号：CN116016074B
公开(公告)日：2024-06-25
申请号：CN202211606844.1
申请日：2022-12-14
Applicant: 东华大学
Abstract: 本发明提出了一种基于余弦相似度的智能反射面相移设计方法。在发射端进行空移键控调制时，以最大化不同发射向量对应理想接收信号之间的欧氏距离为目标来设计相移，降低发射天线索引检测错误的概率，改善通信系统的误码率性能。此外，本发明在发射端有多根天线时，针对提出的相移设计方法设计了一种基于余弦相似度的算法，该算法可以最大化不同发射向量对应理想接收信号之间的欧氏距离，改善通信系统的误码率性能，同时以较低的复杂度计算出智能反射面反射单元的相移，保证了可靠通信。
-
公开(公告)号：CN116886300A
公开(公告)日：2023-10-13
申请号：CN202311007443.9
申请日：2023-08-10
Applicant: 东华大学
IPC: H04L9/08
Abstract: 本发明提供一种连续变量量子密钥分发多维协商方法、系统及介质，所述方法包括：分别获取到对应的第一原始数据和第二原始数据之后，对其进行分组并归一化以得到对应的第一处理数据和第二处理数据；生成生钥序列并对生钥序列进行编码产生第一码字，通过计算得到校验子并将其发送至信息发送端；将第一码字转换为球形序列后，计算旋转映射函数并发送至信息发送端；通过旋转映射函数将第二处理数据进行旋转映射得到有噪信息序列，通过深度学习神经网络对目标范数信息进行学习以得到神经网络模型；根据神经网络模型生成目标范数信息，结合校验子对有噪信息序列进行译码以完成信息协商；本发明大幅度减少了协商信息的传输，缓解了协商信息传输压力。
-
公开(公告)号：CN110223324B
公开(公告)日：2023-06-16
申请号：CN201910484150.7
申请日：2019-06-05
Applicant: 东华大学
IPC: G06T7/246
Abstract: 本发明提供了一种基于鲁棒特征表示的孪生匹配网络的目标跟踪方法。该方法以孪生网络为基础，利用卷积网络的层次结构从不同层提取不同级别的信息，获得更丰富的特征表示。同时，使用长短时记忆网络将提取的特征编码成固定向量，它重点关注有用的信息，能够更好地描述图像以及图像间的差异，使得获得的特征向量鲁棒性更强。本发明将目标对象的特征与视频帧中的候选区域特征匹配并返回最相似的区域从而实现目标跟踪。此外，该方法利用大量外部数据集进行预训练时，模板更新引入置信决策方法，使得对目标模板的描述更充分。本发明提高了特征表示的鲁棒性，同时提高了目标跟踪的效果。
-
公开(公告)号：CN110855339A
公开(公告)日：2020-02-28
申请号：CN201911051440.9
申请日：2019-10-31
Applicant: 东华大学
IPC: H04B7/0456
Abstract: 本发明提供了一种低复杂度的空时键控离散矩阵生成方法。首先对离散矩阵每个元素的取值区间进行离散化，从而把连续优化问题转化为离散优化问题，搜索区间相应的由无穷多数据集转化为有限数据集。然后提出了一种交替最优方法来搜寻最优离散矩阵集，该方法每次仅优化离散矩阵集中的一个数据，在此基础上再优化下一个数据，直到所有的数据都优化完毕。相比于传统空时键控中通过大量随机搜索寻找最优矩阵的方式，本发明能够大大降低矩阵搜寻过程中的复杂度，并能够保持优异的性能。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.031 seconds)
