预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114172638A(43)申请公布日2022.03.11(21)申请号202010950889.5(22)申请日2020.09.11(71)申请人军事科学院系统工程研究院网络信息研究所地址100141北京市丰台区大成路13号院(72)发明人郭凯曹毅宁许波王俊华(74)专利代理机构北京和信华成知识产权代理事务所(普通合伙)11390代理人郝亮(51)Int.Cl.H04L9/08(2006.01)H04L67/1095(2022.01)H04B10/70(2013.01)G06N20/20(2019.01)G06N3/08(2006.01)权利要求书2页说明书6页附图2页(54)发明名称基于多模型数据融合的量子加密通信方法(57)摘要本发明公开了一种基于多模型数据融合的量子加密通信方法,由云服务器、多个本地节点组成,本地节点之间建立独立的量子信道互联,不同本地节点分别存储不同异构数据,以本地节点中的任何一个节点的隐含层参数为初始模型参数,在云服务器进行模型训练后形成新的参数,分发至各本地节点后,进行本地数据的多目标学习训练,各本地节点将训练后的隐含层参数返回至云服务器,进行迭代后直至所有本地节点数据均遍历训练完成。本发明通过模型训练的方式对不同端的数据进行训练,确保了多地不同数据在不共享的情况下能够训练得出相应的参数,整体上优化了模型,解决了不同数据之间不能共享的问题。CN114172638ACN114172638A权利要求书1/2页1.一种基于多模型数据融合的量子加密通信方法,由云服务器、多个本地节点组成,本地节点之间建立独立的量子信道互联,本地节点存储数据且基于神经网络模型产生隐含层参数,本地节点与云服务器通过协商交互和信息后处理同步共享量子真随机数序列,利用量子分发建立真随机数同步共享机制,不同本地节点分别存储不同异构数据,以本地节点中的任何一个节点的隐含层参数为初始模型参数,在云服务器进行模型训练后形成新的参数,分发至各本地节点后,在本地节点端侧进行本地数据的多目标学习训练,各本地节点将训练后的隐含层参数通过量子通信返回至云服务器,重复上述步骤进行迭代后直至所有本地节点数据均遍历训练完成。2.根据权利要求1所述的基于多模型数据融合的量子加密通信方法,其特征在于,所述节点包括私有数据节点和非私有数据节点。3.根据权利要求1或2所述的基于多模型数据融合的量子加密通信方法,其特征在于,所述云服务器设置预设条件,当隐含层参数的计算层数不符合预设条件时,不断将参数分发至本地节点。4.根据权利要求1所述的基于多模型数据融合的量子加密通信方法,其特征在于,所述本地节点之间形成单通道双向量子传输,量子密钥分发协议包括但不限于BB84协议、E91协议、BBM92协议、高维量子密钥分发协议、时间-能量纠缠协议、TF协议、连续变量量子密钥分发协议。5.根据权利要求1或2所述的基于多模型数据融合的量子加密通信方法,其特征在于,所述本地节点预先商定安全关切低速数据和非安全关切高速数据的判定标准和标记方式。6.根据权利要求1或2所述的基于多模型数据融合的量子加密通信方法,其特征在于,所述本地节点预先商定高速数据块长度和低速数据插入位数,高速数据块长度和低速数据插入位数是定长或变长。7.根据权利要求1或2所述的基于多模型数据融合的量子加密通信方法,其特征在于,所述本地节点预先商定低速数据插入高速数据块的位置,是高速数据块第一位之前、最后一位之后、或是中间任意位置。8.根据权利要求1所述的基于多模型数据融合的量子加密通信方法,其特征在于,所述本地节点建立安全可靠的信息交互机制;不同安全等级、不同通信速率的异构数据按一定规则融合。9.一种实现如权利要求1-8所述基于多模型数据融合的量子加密通信方法的系统,包括量子光源、偏振控制器、偏振分束器、单光子探测器,其特征在于所述系统还包括:云服务器模块,接收各本地节点发送的隐含层参数,在云服务器进行模型训练后形成新的参数,分发至各本地节点;多节点管理模块,本地节点存储数据且基于神经网络模型产生隐含层参数,本地节点与云服务器通过协商交互和信息后处理同步共享量子真随机数序列,利用量子分发建立真随机数同步共享机制,不同本地节点分别存储不同异构数据,以本地节点中的任何一个节点的隐含层参数为初始模型参数,在收到云服务器分发的参数后,在本地节点端侧进行本地数据的多目标学习训练,各本地节点将训练后的隐含层参数通过量子通信返回至云服务器;量子分发模块,通过量子态传递实现通信双方真随机数同步共享;2CN114172638A权利要求书2/2页数据融合模块,将非安全关切高速数据分块、根据量子真随机数分布结果在各数据块内插入安全关切低速数据的某一位或某几位、