近期，必赢中心通信与信息工程学院量子信息技术研究所的王琴教授团队在人工智能赋能量子保密通信系统方向取得重要研究进展。该团队创新性地提出一种基于机器学习辅助的QKD系统缺陷故障和黑客攻击的检测方法，实现了对QKD系统缺陷故障和黑客攻击的一体化实时检测，并且准确率高达98%。当判断出QKD 系统中器件存在的缺陷故障或黑客攻击之后，该方法还能够主动反馈出存在缺陷故障的器件位置、误差大小，以及黑客攻击概率等具体指标，从而指导合法用户有效防范系统的器件故障和窃听者的攻击，进而保障QKD系统的现实安全性。该工作近期发表在国际知名学术期刊SCIENCE CHINA Information Sciences上，该期刊最新影响因子7.3，JCR Q1区，是中国自动化学会（CAA）推荐A+类期刊，中国计算机学会（CCF）、中国通信学会（CIC）推荐A类期刊。该论文的第一作者为通信与信息工程学院二年级博士生徐佳歆，通信作者为通信与信息工程学院量子信息技术研究所的王琴教授、周星宇老师和河南省量子信息与量子密码重点实验室的李宏伟教授。

　　量子密钥分发(QKD)是量子保密通信的核心，其安全性建立在量子力学基本原理之上，原则上能够为远程通信用户提供无条件安全的密钥。然而,由于实际QKD设备存在缺陷或误差，窃听者可能利用这些缺陷或误差展开展黑客攻击，从而威胁量子密码系统的现实安全性。此外，由于QKD系统的器件组成复杂，窃听者可能利用多种器件的安全风险点获取密钥信息，且不同的器件运行时都有可能产生故障或误差。现有QKD系统测评方案大多要求在进行密钥传输之前或之后对所有器件逐一做检测和标定，不仅需要消耗大量的人力、物力，而且会降低QKD的传输效率和实用性。因此，如何实现对QKD设备缺陷和黑客攻击的实时检测是一个亟待解决的问题。

　　该工作以相位编码的BB84-QKD系统为例，对所提出的模型与方法进行了验证和讨论，所涉及的主要器件包括：强度调制器（IM）、相位调制器（PM）和单光子探测器（Det）等，这些器件存在缺陷可能导致密钥传输过程中产生一系列误差和黑客攻击，主要包括：光源强度起伏、量子态制备误差、探测器探测效率不匹配，以及探测器死时间和后脉冲效应，拦截重发攻击等。实验测试结果显示：本文提出的方法具有节省时间资源，成本低等优点；最重要的是, 与现有QKD系统安全测评方法相比，本方法不需要中断密钥传输。因此, 本文工作是一种高效和实用的方法，能够为QKD系统安全性测评提供一种新的解决方案，从而为未来量子保密通信网络的大规模应用打下基础。

QKD系统一体化检测示意图

　　此项工作受到国家自然科学基金、江苏省重点研发计划、江苏省前沿引领计划，以及江苏省研究生科研实践创新等项目的支持。

（撰稿：王琴　初审：戴修斌　编辑：王存宏　审核：张丰）