近期，我校通信與信息工程學院量子信息技術研究所的王琴教授團隊在人工智能賦能量子保密通信系統方向取得重要研究進展。該團隊創新性地提出一種基于機器學習輔助的QKD系統缺陷故障和黑客攻擊的檢測方法，實現了對QKD系統缺陷故障和黑客攻擊的一體化實時檢測，并且準確率高達98%。當判斷出QKD 系統中器件存在的缺陷故障或黑客攻擊之后，該方法還能夠主動反饋出存在缺陷故障的器件位置、誤差大小，以及黑客攻擊概率等具體指標，從而指導合法用戶有效防范系統的器件故障和竊聽者的攻擊，進而保障QKD系統的現實安全性。該工作近期發表在國際知名學術期刊SCIENCE CHINA Information Sciences上，該期刊最新影響因子7.3，JCR Q1區，是中國自動化學會（CAA）推薦A+類期刊，中國計算機學會（CCF）、中國通信學會（CIC）推薦A類期刊。該論文的第一作者為通信與信息工程學院二年級博士生徐佳歆，通信作者為通信與信息工程學院量子信息技術研究所的王琴教授、周星宇老師和河南省量子信息與量子密碼重點實驗室的李宏偉教授。
量子密鑰分發(QKD)是量子保密通信的核心，其安全性建立在量子力學基本原理之上，原則上能夠為遠程通信用戶提供無條件安全的密鑰。然而,由于實際QKD設備存在缺陷或誤差，竊聽者可能利用這些缺陷或誤差展開展黑客攻擊，從而威脅量子密碼系統的現實安全性。此外，由于QKD系統的器件組成復雜，竊聽者可能利用多種器件的安全風險點獲取密鑰信息，且不同的器件運行時都有可能產生故障或誤差。現有QKD系統測評方案大多要求在進行密鑰傳輸之前或之后對所有器件逐一做檢測和標定，不僅需要消耗大量的人力、物力，而且會降低QKD的傳輸效率和實用性。因此，如何實現對QKD設備缺陷和黑客攻擊的實時檢測是一個亟待解決的問題。
該工作以相位編碼的BB84-QKD系統為例，對所提出的模型與方法進行了驗證和討論，所涉及的主要器件包括：強度調制器（IM）、相位調制器（PM）和單光子探測器（Det）等，這些器件存在缺陷可能導致密鑰傳輸過程中產生一系列誤差和黑客攻擊，主要包括：光源強度起伏、量子態制備誤差、探測器探測效率不匹配，以及探測器死時間和后脈沖效應，攔截重發攻擊等。實驗測試結果顯示：本文提出的方法具有節省時間資源，成本低等優點；最重要的是, 與現有QKD系統安全測評方法相比，本方法不需要中斷密鑰傳輸。因此, 本文工作是一種高效和實用的方法，能夠為QKD系統安全性測評提供一種新的解決方案，從而為未來量子保密通信網絡的大規模應用打下基礎。
QKD系統一體化檢測示意圖
此項工作受到國家自然科學基金、江蘇省重點研發計劃、江蘇省前沿引領計劃，以及江蘇省研究生科研實踐創新等項目的支持。
（撰稿：王琴 初審：戴修斌 編輯：王存宏 審核：張豐）