-
公开(公告)号：CN112926098A
公开(公告)日：2021-06-08
申请号：CN202110268773.8
申请日：2021-03-12
Applicant: 中南大学
Abstract: 本发明公开了一种哈希值计算方法，包括构建基于分组粗粒化玻色采样的哈希函数的模型，包括构建生成算法、分组粗粒化玻色采样算法和洗牌算法；输入通过生成算法生成一系列符合玻色采样的输入；将结果分别输入到分组粗粒化玻色采样算法模型中得到一系列最大概率标签；使用洗牌算法对得到的结果进行打乱得到哈希值。本发明还公开了一种包括所述哈希值计算方法的字签名方法。本发明生成了一种基于物理系统的量子特性的密码学单向函数，安全高效地确认了数字签名的准确性和安全性，而且不会受到外界的攻击。
-
公开(公告)号：CN110190959B
公开(公告)日：2021-05-07
申请号：CN201910574143.6
申请日：2019-06-28
Applicant: 中南大学
IPC: H04L9/08
Abstract: 本发明公开了一种基于连续变量量子神经网络的加解密方法，包括更新连续变量量子神经网络；发送方和连续变量量子神经网络同步测量基；连续变量量子神经网络对发送方发送的明文进行判定和预处理后再发回给发送方；发送方在同步的测量基的基础上将预处理后的数据信息转换为二次明文并发送连续变量量子神经网络；连续变量量子神经网络对接收的信息加密并发送到接收方；接收方再将加密信息发送回连续变量量子神经网络进行解密并得到发送方发送的信息。本发明方法通过引入连续变量量子神经网络模型以及同步测量技术，实现了数据的加解密，而且本发明方法的可靠性高、安全性好且容易实现。
-
公开(公告)号：CN111368920B
公开(公告)日：2024-03-05
申请号：CN202010146730.8
申请日：2020-03-05
Applicant: 中南大学
IPC: G06F18/241 , G06F18/2431 , G06N3/045 , G06N3/08 , G06N10/60 , G06V40/16
Abstract: 本发明公开了一种基于量子孪生神经网络的二分类方法，包括设定分类模型的输入数据；构建量子神经网络模型、量子孪生神经网络模型和用于训练的损失函数模型；根据损失函数模型对量子孪生神经网络模型进行学习和训练并得到最终的量子孪生神经网络分类模型；采用量子孪生神经网络分类模型对待分类的数据进行二分类。本发明还公开了包括所述基于量子孪生神经网络的二分类方法的人脸识别方法。本发明提供的这种基于量子孪生神经网络的二分类方法及其人脸识别方法，通过采用量子孪生神经网络对数据进行二分类，实现了数据的快速二分类，而且本发明方法简单快捷，可靠性高，精确性好。
-
公开(公告)号：CN112926098B
公开(公告)日：2022-06-17
申请号：CN202110268773.8
申请日：2021-03-12
Applicant: 中南大学
Abstract: 本发明公开了一种哈希值计算方法，包括构建基于分组粗粒化玻色采样的哈希函数的模型，包括构建生成算法、分组粗粒化玻色采样算法和洗牌算法；输入通过生成算法生成一系列符合玻色采样的输入；将结果分别输入到分组粗粒化玻色采样算法模型中得到一系列最大概率标签；使用洗牌算法对得到的结果进行打乱得到哈希值。本发明还公开了一种包括所述哈希值计算方法的字签名方法。本发明生成了一种基于物理系统的量子特性的密码学单向函数，安全高效地确认了数字签名的准确性和安全性，而且不会受到外界的攻击。
-
公开(公告)号：CN110224763A
公开(公告)日：2019-09-10
申请号：CN201910574112.0
申请日：2019-06-28
Applicant: 中南大学
IPC: H04B10/70
Abstract: 本发明公开了一种基于哈密尔顿学习的新型量子态转移方法，包括发送方制备输入态并对其进行前向幺正演化；发送方将前向演化后的输入态通过量子信道和交换门发送到接收方；接收方将接收到的演化量子态反向幺正演化并进行似然评估；接收方利用贝叶斯规则对测量输出数据的概率分布进行更新和重采样；接收方根据更新和重采样结果判断输入态是否存在在某一时刻以概率1完美转移到接收方。本发明方法可以通过似然函数和均方误差来评估，似然函数就是量子态转移的保真度，均方误差就是贝叶斯损失，其与交互式量子似然评估实验的测量次数呈现指数下降。因此，本发明方法具有保密性强、保真度高和损失小的特点。
-
Patent Agency Ranking
公开(公告)号：CN111368920A
公开(公告)日：2020-07-03
申请号：CN202010146730.8
申请日：2020-03-05
Applicant: 中南大学
Abstract: 本发明公开了一种基于量子孪生神经网络的二分类方法，包括设定分类模型的输入数据；构建量子神经网络模型、量子孪生神经网络模型和用于训练的损失函数模型；根据损失函数模型对量子孪生神经网络模型进行学习和训练并得到最终的量子孪生神经网络分类模型；采用量子孪生神经网络分类模型对待分类的数据进行二分类。本发明还公开了包括所述基于量子孪生神经网络的二分类方法的人脸识别方法。本发明提供的这种基于量子孪生神经网络的二分类方法及其人脸识别方法，通过采用量子孪生神经网络对数据进行二分类，实现了数据的快速二分类，而且本发明方法简单快捷，可靠性高，精确性好。
-
公开(公告)号：CN109194470A
公开(公告)日：2019-01-11
申请号：CN201811045247.X
申请日：2018-09-07
Applicant: 中南大学
IPC: H04L9/08 , H04B10/70 , H04B10/556 , H04B10/54 , H04B10/532 , H04B10/524
Abstract: 本发明公开了一种高效连续变量量子密钥分发方法，包括发送端在一个周期内发送N个弱光脉冲和1个强光脉冲；弱光脉冲和强光脉冲通过振幅调制后再通过第一分束器进行分离；弱光脉冲通过振幅调制和相位调制后输入第二分束器，然后再通过第一和第二偏振分束器，同时强光脉冲通过未调制的等距离光路后输入第二偏振分束器，第二偏振分束器输出一组光脉冲；将光脉冲发送接收端；接收端接收光脉冲并结合本地光进行外差检测，得到发送端发送的连续变量量子密钥。本发明改变了传统的信号传输模式，将传统的单量子信号脉冲对应一对参考脉冲转变为多个量子信号脉冲对应一对参考脉冲的传输模式，从而极大的提高了系统的频谱效率，而且本发明方法简单可靠。
-
公开(公告)号：CN110224763B
公开(公告)日：2022-02-15
申请号：CN201910574112.0
申请日：2019-06-28
Applicant: 中南大学
IPC: H04B10/70
Abstract: 本发明公开了一种基于哈密尔顿学习的新型量子态转移方法，包括发送方制备输入态并对其进行前向幺正演化；发送方将前向演化后的输入态通过量子信道和交换门发送到接收方；接收方将接收到的演化量子态反向幺正演化并进行似然评估；接收方利用贝叶斯规则对测量输出数据的概率分布进行更新和重采样；接收方根据更新和重采样结果判断输入态是否存在在某一时刻以概率1完美转移到接收方。本发明方法可以通过似然函数和均方误差来评估，似然函数就是量子态转移的保真度，均方误差就是贝叶斯损失，其与交互式量子似然评估实验的测量次数呈现指数下降。因此，本发明方法具有保密性强、保真度高和损失小的特点。
-
公开(公告)号：CN111162913B
公开(公告)日：2021-05-07
申请号：CN202010001112.4
申请日：2020-01-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于玻色采样随机幺正操作的仲裁量子签名方法，包括初始化阶段、签名阶段和验证阶段；初始化阶段用于制备密钥和建立通信系统；签名阶段用于选择合适的签名算法设计传输信息的签名；验证阶段用于验证签名者的有效性和原始信息的完整性和真实性。本发明在仲裁量子签名中设计传输信息的签名中采用基于玻色采样的幺正操作加密，采用基于图上的量子游走隐形传输转移m模量子态，用于隐形传输的必需纠缠态无需提前制备，公共信道和随机元组的雇用使得安全性更高，采用玻色采样模型和量子游走的隐形传输模型均已被证明可通过线性光学网络实现；因此本发明方法安全性高，节约资源且实验上易实现。
-
公开(公告)号：CN110190959A
公开(公告)日：2019-08-30
申请号：CN201910574143.6
申请日：2019-06-28
Applicant: 中南大学
IPC: H04L9/08
Abstract: 本发明公开了一种基于连续变量量子神经网络的加解密方法，包括更新连续变量量子神经网络；发送方和连续变量量子神经网络同步测量基；连续变量量子神经网络对发送方发送的明文进行判定和预处理后再发回给发送方；发送方在同步的测量基的基础上将预处理后的数据信息转换为二次明文并发送连续变量量子神经网络；连续变量量子神经网络对接收的信息加密并发送到接收方；接收方再将加密信息发送回连续变量量子神经网络进行解密并得到发送方发送的信息。本发明方法通过引入连续变量量子神经网络模型以及同步测量技术，实现了数据的加解密，而且本发明方法的可靠性高、安全性好且容易实现。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.016 seconds)
