Detección profunda de anomalías para ataques activos en el receptor en la distribución de claves cuánticas

Área de la Ciencia:

• Ciencia de la Información Cuántica
• Ciberseguridad
• Aprendizaje Automático

Sus antecedentes:

• Las defensas tradicionales contra los ataques al receptor de distribución de claves cuánticas (QKD) enfrentan problemas de compatibilidad de infraestructura y un alcance limitado.
• Los métodos existentes pueden introducir nuevas vulnerabilidades o no detectar diversos tipos de ataques activos.

Objetivo del estudio:

• Desarrollar y evaluar un modelo de detección de anomalías (AD) para proteger los receptores de QKD contra ataques activos.
• Proporcionar una solución rentable y de amplia aplicabilidad para mejorar la seguridad de QKD.

Principales métodos:

• Se construyó un conjunto de datos a partir de los estados operativos del sistema QKD para entrenar un modelo AD de aprendizaje automático de una clase.
• El modelo AD aprende el comportamiento normal del sistema e identifica desviaciones que indican ataques activos.

Principales resultados:

• El modelo AD logró un área bajo la curva (AUC) superior al 99%, lo que demuestra una alta precisión de detección.
• El modelo protege eficazmente los receptores de QKD al identificar estados operativos anómalos durante los ataques.

Conclusiones:

• El modelo AD propuesto ofrece una solución práctica y precisa para la detección de ataques activos en sistemas QKD.
• Es fácilmente desplegable en la infraestructura existente con un costo mínimo y evita la introducción de nuevos canales laterales.
• La capacidad del modelo para detectar ataques desconocidos mejora su versatilidad más allá de los métodos tradicionales específicos de ataques.