Czasopismo | PRZEGLĄD TELEKOMUNIKACYJNY - WIADOMOŚCI TELEKOMUNIKACYJNE | Rocznik 2023 - zeszyt 4

UCZENIE MASZYNOWE W SIECIACH KWANTOWEJ DYSTRYBUCJI KLUCZA

MACHINE LEARNING IN QUANTUM KEY DISTRIBUTION NETWORKS

10.15199/59.2023.4.21

nr katalogowy: 144749
10.15199/59.2023.4.21

Streszczenie

We współczesnych sieciach komputerowych bezpieczeństwo przesyłania informacji jest jednym z priorytetów. Z tego względu kwantowa dystrybucja klucza – rozwiązanie odporne na ataki z użyciem komputera kwantowego – zyskuje coraz większą popularność. Usprawnienie działania sieci za to odpowiedzialnych jest obecnie tematem intensywnych badań. W artykule przedstawiono możliwe zastosowania uczenia maszynowego w sieciach kwantowych. Opisano możliwe scenariusze, wyzwania oraz możliwości jakie otwiera ten kierunek badań.

Abstract

In modern computer networks, the security of information transmission is one of the priorities. For this reason, quantum key distribution – a solution resistant to quantum computer attacks – is gaining popularity. Improving the performance of the networks responsible for this is currently a topic of intense research. The article presents possible applications of machine learning in quantum networks. Possible scenarios, challenges and opportunities opened up by this direction of research are described.

Słowa kluczowe

Keywords

Bibliografia

[1] Rivest, R. L. and Shamir, A. and Adleman, L., "A Method for Obtaining Digital Signatures and Public-Key Cryptosystems", Luty 1978, Association for Computing Machinery, New York, NY, USA
[2] Marcin Niemiec, Andrzej Dziech, Miłosz Stypiński, Jan Derkacz "Quantum-Based Solutions for the Next-Generation Internet" Information & Security: An International Journal, 43 no. 1 (2019): 62-72. https://doi.org/10.11610/isij.4306
[3] ITU-T Y-series Recommendations – Supplement 70 (2021). ITU-T Y.3800-series – Quantum key distribution networks – Applications of machine learning
[4] Chin, HM., Jain, N., Zibar, D. et al. Machine learning aided carrier recovery in continuous-variable quantum key distribution. npj Quantum Inf 7, 20 (2021). https://doi.org/10.1038/s41534-021-00361-x
[5] Zhi-Ping Liu, Min-Gang Zhou, Wen-Bo Liu, ChenLong Li, Jie Gu, Hua-Lei Yin, and Zeng-Bing Chen, "Automated machine learning for secure key rate in discrete-modulated continuous-variable quantum key distribution," Opt. Express 30, 15024-15036 (2022)
[6] Z. -A. Ren, Y. -P. Chen, J. -Y. Liu, H. -J. Ding and Q. Wang, "Implementation of Machine Learning in Quantum Key Distributions," in IEEE Communications Letters, vol. 25, no. 3, pp. 940-944, March 2021, doi: 10.1109/LCOMM.2020.3040212.
[7] Okey, Ogobuchi Daniel, Siti Sarah Maidin, Renata Lopes Rosa, Waqas Tariq Toor, Dick Carrillo Melgarejo, Lunchakorn Wuttisittikulkij, Muhammad Saadi, and Demóstenes Zegarra Rodríguez. 2022. "Quantum Key Distribution Protocol Selector Based on Machine Learning for NextGeneration Networks" Sustainability 14, no. 23: 15901. https://doi.org/10.3390/su142315901
[8] Y. Cao, Y. Zhao, J. Li, R. Lin, J. Zhang and J. Chen, "Multi-Tenant Provisioning for Quantum Key Distribution Networks With Heuristics and Reinforcement Learning: A Comparative Study," in IEEE Transactions on Network and Service Management, vol. 17, no. 2, pp. 946-957, June 2020, doi: 10.1109/TNSM.2020.2964003.
[9] M. Wenning, S. K. Patri, J. Müller, A. Autenrieth, J. Elbers, P. Rydlichowski, and C. Mas-Machuca, "Towards Optimized Demand Routing in QKD Networks," in Optical Fiber Communication Conference (OFC) 2023, Technical Digest Series (Optica Publishing Group, 2023), paper Th2A.37.
[10] Mehic, M., Maurhart, O., Rass, S. et al. Implementation of quantum key distribution network simulation module in the network simulator NS-3. Quantum Inf Process 16, 253 (2017). https://doi.org/10.1007/s11128-017-1702-z
[11] Quantum Key Distribution Network Simulation Module. Kod źródłowy: https://github.com/QKDNetSim/qkdnetsim-dev (Dostęp maj 2023)
[12] Quantum Key Distribution Network Simulator. https://open-qkd.eu/ (Dostęp maj 2023)
[13] QuISP: a Quantum Internet Simulation Package. / Satoh, Ryosuke; Hajdusek, Michal; Benchasattabuse, Naphan et al. Proceedings - 2022 IEEE International Conference on Quantum Computing and Engineering, QCE 2022. Institute of Electrical and Electronics Engineers Inc., 2022. p. 353-364 (Proceedings - 2022 IEEE International Conference on Quantum Computing and Engineering, QCE 2022).
[14] QuISP: a Quantum Internet Simulation Package. Kod źródłowy: https://github.com/sfc-aqua/quisp (Dostęp maj 2023)

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD TELEKOMUNIKACYJNY - WIADOMOŚCI TELEKOMUNIKACYJNE- e-publikacja (pdf) z zeszytu 2023-4 , nr katalogowy 144749 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Prenumerata

PRZEGLĄD TELEKOMUNIKACYJNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

300.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna	348.00 zł brutto 322.22 zł netto 25.78 zł VAT (stawka VAT 8%)
PRZEGLĄD TELEKOMUNIKACYJNY - pakowanie i wysyłka	21.00 zł brutto 17.07 zł netto 3.93 zł VAT (stawka VAT 23%)

369.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	450.00 zł brutto 416.67 zł netto 33.33 zł VAT (stawka VAT 8%)

450.00 zł

Zeszyt

2023-4

Twój Koszyk

Publikacja

Prenumerata

Zeszyt

Czasopisma