Uczenie maszynowe w sieciach kwantowej dystrybucji klucza

• Autorzy: Szczepaniak Wojciech , Niemiec Marcin

Identyfikatory

DOI

10.15199/59.2023.4.21

Warianty tytułu

EN

Machine learning in quantum key distribution networks

• Konferencja: Konferencja Radiokomunikacji i Teleinformatyki (20-22.09.2023 ; Kraków, Polska)
• Języki publikacji: PL

Abstrakty

PL

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.

EN

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

PL

kwantowa dystrybucja klucza; uczenie maszynowe; kryptografia; cyberbezpieczeństwo

EN

quantum key distribution; machine learning; cryptography; cybersecurity

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2023
• Tom: nr 4
• Strony: 109--112
• Opis fizyczny: Bibliogr. 14 poz.

Twórcy

autor

Szczepaniak Wojciech

• Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Kraków

autor

Niemiec Marcin

• Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Kraków

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, Chen Long 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 Next Generation 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).

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).