Редакция сайта ТАСС
ВЕЛИКИЙ НОВГОРОД, 23 ноября. /ТАСС/. Преподаватели Политехнического колледжа Новгородского государственного университета разработали нейросетевую модель, которая исправляет ошибки в работе квантовых систем шифрования. Квантовая сеть способна передавать информацию с огромной скоростью и создает условия особой безопасности, которые не могут обеспечить традиционные способы обмена данными, может применяться в банковской сфере, крупных корпорациях, научных центрах, сообщили ТАСС в пресс-службе вуза.
"В квантовых сетях работают два канала - открытый и квантовый. По квантовому передается непосредственная секретная информация, но для его работы нельзя обойтись без открытого. Это связано с тем, что квантовый канал не дает сравнивать данные и согласовывать параметры их передачи, позволяя только их передавать. В этом квантовом канале уровень ошибок постоянно "плавает", и чтобы исправлять их надежно и при этом не раскрывать лишнюю служебную информацию в открытом канале, параметры кода программы нужно подстраивать для каждого кадра - пакета или блока данных, состоящих из определенного числа фотонов, переданных подряд в квантовом канале, - это напоминает аналог "кадра" в видеопотоке или "пакета" в обычной сети
Квантовая криптография считается одним из самых защищенных способов передачи информации, поскольку любая попытка перехвата меняет состояние передаваемых частиц и сразу обнаруживается. Однако технология чувствительна к внутренним помехам - ошибки могут возникать из-за перегрева оборудования, шума детекторов или особенностей оптоволоконных линий. Решение новгородских ученых автоматически подбирает параметры алгоритма исправления ошибок каждые несколько микросекунд. Модель анализирует четыре ключевых параметра работы квантового канала и корректирует настройки для следующих пакетов данных: E_mu_Z, R, s и p. E_mu_Z дает оценку ошибки сигнальных состояний, R выражает скорость кода, а параметры s и p отвечают за корректировку кода под текущий шум при фиксированном размере кадра.
Решение ученых НовГУ позволит генерировать более длинные и надежные секретные ключи, эффективнее отличать настоящие помехи от злоумышленного вмешательства. В дальнейшем разработчики планируют развивать эту модель, использовать больше доступных показателей состояния канала и оборудования, тестировать разные варианты подстройки и оптимизировать скорость работы программы. Обзор разработки удалось подготовить при грантовой поддержке Минобрнауки России, в рамках Десятилетия науки и технологий.
Комментарии