量子密钥分布接收方主动攻击的深度异常检测
量子物理
2025-10-17 v2
摘要
传统针对量子密钥分布（QKD）系统接收方攻击的反措施常常存在与部署基础设施的兼容性差、引入新漏洞的风险以及仅适用于特定类型主动攻击的局限性。本文提出一种基于单类机器学习的异常检测（AD）模型，以解决针对接收方的主动攻击。通过构建QKD系统运行状态的数据集，AD模型学习安全条件下正常行为的特征。当发生主动攻击时，系统状态偏离所学习的正常模式，被模型识别为异常。实验结果表明，AD模型的ROC曲线下面积（AUC）超过99%，有效保护QKD系统的接收方。与传统方法相比，本模型可在现有QKD网络中以最小成本部署，而无需额外的光学或电气组件，从而避免引入新的侧信道。此外，与多类机器学习算法不同，本方法不依赖于特定攻击类型的先验知识， potentially 能够检测未知的主动攻击。这些优势——通用性、部署便捷、低成本和高准确率——使本模型成为保护QKD系统接收方免受主动攻击的实用且有效的工具。
引用
@article{arxiv.2508.12749,
title = {Deep Anomaly Detection for Active Attacks on the Receiver in Quantum Key Distribution},
author = {Junxuan Liu and Bingcheng Huang and Jialei Su and Qingquan Peng and Anqi Huang},
journal= {arXiv preprint arXiv:2508.12749},
year = {2025}
}