优化了多头自我注意力和封闭扩展卷积神经网络,用于量子密钥分配和减少错误率
R J Kavitha1, D Ilakkiaselvan1
1Department of Electronics and Communication Engineering, University College of Engineering, Panruti, Tamil Nadu, India.
Network (Bristol, England)
|July 17, 2024
概括
本研究引入了一种使用专用神经网络 (QKD-ERO-MSGCNN) 的新量子密钥分配 (QKD) 方法,以提高6G网络的安全密钥速率. 这种方法显著提高了安全通信的准确性和传输距离.
科学领域:
- 量子信息科学 量子信息科学
- 网络安全 网络安全
- 人工智能的人工智能
背景情况:
- 量子密钥分配 (QKD) 提供安全的密钥交换,但在效率和实际可行性方面面临挑战.
- 安全密钥率是QKD系统的关键性能指标.
- 现有的QKD方法在延长传输距离和优化错误率方面存在局限性.
研究的目的:
- 提出一个新的QKD系统,QKD-ERO-MSGCNN,以提高安全的密钥速率和降低6G无线网络的错误率.
- 通过优化信号分析和减少错误率来提高QKD的性能.
- 在具有挑战性的通信环境中扩展QKD的实际应用.
主要方法:
- 开发了QKD和错误率优化 (QKD-ERO-MSGCNN) 使用多头自我注意和封闭式扩展卷积神经网络.
- 集成的变速策略 粒子群集优化以延长传输距离.
- 优化了MSGCNN模型,并加强了沙猫群的优化,用于量子位错误率分析.
主要成果:
- 通过QKD-ERO-MSGCNN方法,比现有方法显著提高了准确性.
- 与各种基准QKD技术相比,实现了15.57%,23.89%和31.75%的更高精度.
- 该方法有效地解决了6G无线网络中的通道障碍.
结论:
- 拟议的QKD-ERO-MSGCNN方法在安全密钥分配效率和准确性方面取得了重大进展.
- 这种方法提高了安全的关键速率并延长了传输距离,使QKD更适合6G网络.
- 集成先进的人工智能技术有望克服QKD实际实施中的局限性.
