[發明專利]針對連續變量量子密鑰分發系統的混合攻擊檢測方法

有效

• 申請號: 202110390368.3
• 申請日: 2021-04-12
• 公開（公告）號: CN112953973B
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 黃端;劉素素
• 申請（專利權）人: 中南大學
• 主分類號: H04L9/40
• 分類號: H04L9/40;H04L9/08;H04B10/70;G06N20/10
• 代理公司: 長沙永星專利商標事務所(普通合伙) 43001
• 代理人: 周詠;米中業

1.一種針對連續變量量子密鑰分發系統的混合攻擊檢測方法，包括如下步驟：

S1.搭建連續變量量子密鑰分發攻擊檢測系統；

S2.采用步驟S1搭建的連續變量量子密鑰分發攻擊檢測系統，獲取不同攻擊模式下的連續變量量子密鑰通信數據；

S3.將步驟S2獲得的通信數據進行數據處理，并劃分樣本集；具體為將正常通信模式下，以及遭受攻擊模式下的連續變量量子密鑰通信數據，測量數據標記為d維特征X＝{x₁,x₂,...,x_d}，其中I_LOi為第i組測量數據中的本振光的強度，N_0i為第i組測量數據中的散粒噪聲方差，為第i組測量數據中的接收端測量到的正交平均值，V_ui為第i組測量數據中的接收端測量到的正交方差；q種可能的攻擊類型標記為多標簽空間Y＝{y₁,y₂,...,y_q}，y的取值為0或1，0代表未遭受該攻擊，1表示遭受該攻擊；構建樣本數據D＝{(x_i,y_i)|1≤i≤n}；然后將樣本數據采用最大最小歸一化算法進行數據歸一化處理，最后按照設定的比例劃分為訓練集和測試集；

S4.構建基于多標簽學習的連續變量量子密鑰分發攻擊檢測模型，并采用步驟S3得到的樣本集進行訓練，得到攻擊檢測模型；具體為采用如下步驟構建模型：

A.模型內部結構為多標簽算法的排序支持向量機，包括訓練線性模型和訓練閾值函數；

B.訓練線性模型具體為：

在標簽中，以相關或不相關作為判斷；采用如下算式表示相關標簽y_k和不相關標簽y_l對應的分類超平面：

＜ω_j-ω_k,x＞+b_j-b_k＝0

式中ω_j為標簽y_j的權重；ω_k為標簽y_k的權重；b_k為標簽y_k的偏移量；b_j為標簽y_j的偏移量；

采用如下算式表示真實情況下算法對應的優化問題：最大化決策邊緣與最小化Ranking loss函數的求和：

約束條件：＜ω_j-ω_k,x_i＞+b_j-b_k≥1-ξ_ijk

ξ_ijk＞0,1≤i≤n,

式中ξ_ijk為松弛變量，為松弛變量集合；C為懲罰因子；

C.訓練閾值函數具體為：

采用如下算式表示閾值：

其中f_k(x_i)＝＜ω_k,x_i＞+b_k，f(·)返回實數值，表示多標簽分類系統在每一個標簽上的輸出值；Y為標簽空間；為標簽空間的補集；t為設定閾值；

D.基于訓練線性模型和訓練閾值函數，得到最終的多標簽分類器為h(x)＝{y_k|f_k(x)＞t(x),1≤k≤q}；q為可能的攻擊類型數目；t(·)為所采用的閾值函數；h(x)最終輸出為0、1字符串，對應是否受到各個攻擊；

S5.采用步驟S4得到的攻擊檢測模型，對實際的連續變量量子密鑰分發系統的通信過程進行監測，從而實現針對連續變量量子密鑰分發系統的混合攻擊檢測。