Improving length estimation of the secret key in satellite-to-ground quantum channel

封面

如何引用文章

全文:

详细

We study and optimize the length of the secret sequence depending on the intervals of splitting the communication session between the satellite and the ground station during the quantum key distribution. Due to dynamically changing channel parameters, the proposed technique allows for significant increases in the final key rate and length.

全文:

ВВЕДЕНИЕ

Сегодня в области защиты информации бурно развивается направление квантового распределения ключей (КРК) [1—3], которое гарантирует создание абсолютно секретного ключа для передачи данных, на основании физических законов [4]. На сегодняшний день наиболее развита область оптоволоконной криптографии [5—7], но расстояние для генерации ключа таким способом довольно ограничено из-за экспоненциального затухания. По этой причине возникла идея передачи квантовых состояний в открытом пространстве по каналу спутник-земля [8, 9].

В этой работе мы рассматриваем квантовое распределение ключей между спутником и наземной станцией [9], где биты информации кодируются в состояниях поляризации посылаемых фотонов. Процедура КРК выполняется по протоколу BB84 с пассивным выбором поляризационного базиса и с использованием состояний ловушек. В представленной работе решается задача разбиения отрезка пролета на временные интервалы для оптимальной постобработки данных.

Спутниковое квантовое распределение ключей характеризуется непостоянством параметров канала в процессе сеанса связи. Следовательно, применение алгоритмов оценки финального ключа для оптоволоконных линий в нашем случае возможно только с некоторыми допущениями. Для подходов с неизменным каналом связи мы оцениваем среднюю статистику и уровень ошибок за весь интервал, а далее работаем с этими значениями. Однако при таком способе обработки и при наличии «плохих» интервалов времени сильно занижается ключ, а также могут возникнуть проблемы с секретностью ключа. Таким образом, возникает необходимость выполнять разбиение сеанса связи на интервалы с длиной, достаточной для накопления статистики, но не слишком большой, чтобы изменение параметров не превосходило теоретические оценки в процессе постобработки.

МОДЕЛИРОВАНИЕ КАНАЛА

Для моделирования спутникового КРК понадобятся следующие параметры экспериментальной установки: среднее число фотонов на импульс (μ, ν, λ) и вероятность испускания (ps, pd, pv) для разных типов состояний (сигнальных, состояний ловушек и вакуумных, соответственно), вероятность ошибки при детектировании бита информации (edet), вероятность регистрации вакуумного клика на один испущенный импульс (Y0), вероятность ошибки в вакуумных состояниях (e0 = 0.5) и частота испускания квантовых состояний (f). Эти параметры указаны в табл. 1. Воспользуемся результатами статьи [10] и представленными параметрами для расчета пропускания η(t) канала спутник‒земля от времени.

 

Таблица 1. Параметры экспериментальной установки КРК

Среднее число фотонов

μ

ν

λ

0.8

0.1

10–6

Вероятность испускания состояния

ps

pd

pv

0.5

0.25

0.25

Частота генерации квантовых импульсов f, Гц

108

Вероятность ошибки в принятии бита edet,%

0.5

Вероятность вакуумных срабатываний на испущенный импульс Y0

5⋅10–6

 

Далее, предполагая, что число фотонов в импульсном лазерном излучении подчиняется пуассоновскому распределению с заданным средним значением, основываясь на результатах исследований [11], получим теоретический вид вероятности принятия квантовых состояний со средним числом фотонов в импульсе δφ ∈ {μ, ν, λ} и квантовых битовых ошибок (QBERφ) в них:

Qφ=1-1-Y0×e-ηφtδφ, (1)

QBERφ=eφQφ=e0Y0+edet1-e-ηφtδφQφ, (2)

где φ ∈ {s, d, v} обозначает тип состояний (сигнальные, состояния ловушки, вакуумные соответственно).

Чтобы получить количество кликов из вероятности их принятия, нужно умножить вероятность на число испущенных импульсов соответствующего типа.

После получения средних значений принятого сигнала и ошибок в нем необходимо сгенерировать помехи. Чаще всего в реальных экспериментах встречаются два вида помех. Первый — статистические флуктуации вокруг среднего значения и второй — значительное ослабление пропускания канала. Первый вид помех имеет полностью вероятностную природу, поэтому эти шумы присутствуют всегда, и их величина пропорциональна корню из среднего значения числа кликов или ошибок. Источник второго вида помех связан с нестабильностью работы экспериментального оборудования, плохими погодными условиями и другими подобными причинами. Величина данных флуктуаций пропорциональна NT-ττ, где N — среднее значение числа кликов, τ — промежуток времени, на котором возникли шумы, T — полное время связи со спутником.

Результаты моделирования статистических флуктуаций представлены на рис. 1, а случай присутствия второго типа помех проиллюстрирован на рис. 2.

 

Рис. 1. Гистограммы зависимости количества полученных кликов (а) и процента квантовых битовых ошибок (QBER) в них (б) для случая небольших флуктуаций в районе модельных средних значений

 

Рис. 2. Гистограммы зависимости количества полученных кликов (а) и процента квантовых битовых ошибок (QBER) в них (б) для случая значительных флуктуаций, которые могут быть связаны с нестабильностью работы экспериментального оборудования и плохими погодными условиями

 

ВЫДЕЛЕНИЕ ОПТИМАЛЬНОГО РАЗБИЕНИЯ

Длина финального ключа зависит от двух параметров: количества зарегистрированных импульсов и процента квантовых битовых ошибок (QBER). Уровень квантовых битовых ошибок отвечает за секретность последовательности и влияет на длину ключа сильнее чем величина зарегистрированных кликов, которая линейно масштабирует секретную последовательность. Это можно видеть из следующего выражения для скорости генерации ключа [11]:

RsecpsqQ11-H2e1-fecQSH2Es, (3)

где fec = 1.41– эффективность процедуры коррекции ошибок, q = 0.5 — коэффициент просеивания ключа, H2(x)=xlog2(x)(1x)log2(1x) — бинарная энтропия, Q1 — вероятность принятия квантовых состояний, содержащих ровно один фотон и e1 — вероятность ошибки в них.

Поэтому далее в работе рассуждения основываются на рассмотрении влияния процента ошибок на финальный ключ.

Определить отрезки разбиения можно из следующего соотношения:

QBERLQBERL¯QBERU¯QBERU. (4)

Это соотношение связывает верхние нижние значения среднего QBER¯, которое получается методами математического моделирования для некоторого временного интервала, и верхние нижние пределы экспериментального QBER, которые находятся из оценок границ Чернова на статистические флуктуации. Разделение времени пролета спутника на интервалы с соблюдением данного условия позволяет максимизировать длину финального ключа с применением теории для оптоволоконных линий связи.

Основной проблемой для спутникового КРК является динамическое изменение параметров канала в процессе генерации ключа. Из-за этого мы можем узнать только усредненные параметры нашего КРК за некоторый временной промежуток. Определение уровня ошибок требует раскрытия части полученной информации, в силу этого невозможно получить полный профиль ошибок экспериментальным путем. Следовательно, необходимо восстановить профиль ошибок в зависимости от времени по измеренной в процессе эксперимента статистике кликов. Для этого нужно определить верхнюю и нижнюю границу ошибок. Верхнюю границу оцениваем из предположения, что количество ошибок не уменьшается, а нижнюю находим при помощи умножения числа ошибок на функцию, моделирующую число квантовых кликов, для сохранения процента ошибок. После восстановления границ ошибок можно выделять отрезки разбиения исходя из условия (4).

На сегодняшний день в спутниковом КРК используется метод обработки полученной информации блоками одинаковой длины [9], для этого исходные данные делятся на части примерно равной величины. Графики зависимости длины ключа при оптимальном разбиении от размера блоков представлены на рис. 3. Анализ полученной зависимости показывает, что при использовании предложенного метода можно значительно увеличить ключ только для случая сильных помех в канале, при слабых флуктуациях эффективнее обрабатывать сразу весь промежуток.

 

Рис. 3. Графики зависимости длины финального ключа в зависимости от размера отрезков разбиения интервала сеанса связи в случае небольших флуктуаций (а) и для больших отклонений (б) числа кликов от теоретического среднего

 

Сравнение результатов представленного метода было проведено со случаем, когда для постобработки используются суммарные данные со всего пролета. Такой подход использует максимальный набор статистики, что позволяет минимизировать статистические флуктуации, и является оптимальным для случая отсутствия в канале помех.

ЗАКЛЮЧЕНИЕ

При использовании разработанного метода постобработки для случая малых флуктуаций около средних значений, скорость генерации слабо зависит от длины отрезков разбиения. Для такого подхода отличие в результатах со случаем обработки всего пролета может составлять не более двух процентов, так как по критерию разбиения можно брать почти весь интервал. Иначе дело обстоит при наличии значительных ослаблений пропускания канала (рис. 2), которые могут быть связаны с нестабильностью работы экспериментального оборудования, плохими погодными условиями и другими подобными причинами. В этих случаях обработка описанным методом приводит к увеличению скорости генерации до 60 %. Также существуют случаи, когда по полному интервалу ключ не генерируется, но, правильно подобрав отрезки временного разбиения, можно получить ненулевую секретную последовательность.

Работа выполнена при поддержке Министерства образования и науки Российской Федерации в рамках Программы стратегического академического лидерства «Приоритет 2030» (Стратегический проект «Квантовый Интернет»).

×

作者简介

Е. Ivchenko

Moscow Institute of Physics and Technology; International Center for Quantum Optics and Quantum Technologies; QSpace Technologies LLC; MISIS National University of Science and Technology

编辑信件的主要联系方式.
Email: ivchenko.ei@phystech.edu
俄罗斯联邦, Dolgoprudny; Moscow; Moscow; Moscow

A. Khmelev

Moscow Institute of Physics and Technology; International Center for Quantum Optics and Quantum Technologies; QSpace Technologies LLC

Email: ivchenko.ei@phystech.edu
俄罗斯联邦, Dolgoprudny; Moscow; Moscow

V. Kurochkin

Moscow Institute of Physics and Technology; International Center for Quantum Optics and Quantum Technologies; QSpace Technologies LLC; MISIS National University of Science and Technology

Email: ivchenko.ei@phystech.edu
俄罗斯联邦, Dolgoprudny; Moscow; Moscow; Moscow

参考

  1. Gisin N., Ribordy G., Tittel W., Zbinden H. // Rev. Mod. Phys. 2002. V. 74. No. 1. P. 145.
  2. Кронберг Д.А., Ожигов Ю.И., Чернявский А.Ю. Квантовая информатика и квантовый компьютер: учебное пособие. М.: МАКС Пресс, 2011. 64 с.
  3. Bennett C.H., Brassard G. // arXiv:2003.06557. 2020.
  4. Shor P.W., Preskill J. // Phys. Rev. Lett. 2000. V. 85. No. 2. P. 441.
  5. Курочкин В.Л., Кривякин Г.К., Зверев А.В. и др. // Изв. РАН. Сер. физ. 2016. Т. 80. № 1. С. 10; Kurochkin V.L., Krivyakin G.K., Zverev A.V. et al. // Bull. Russ. Acad. Sci. Phys. 2016. V. 80. No. 1. P. 5.
  6. Курочкин В.Л., Неизвестный И.Г. // Изв. РАН. Сер. физ. 2015. Т. 79. № 2. С. 195; Kurochkin V.L., Neizvestnyj I.G. // Bull. Russ. Acad. Sci. Phys. 2015. V. 79. No. 2. P. 173.
  7. Lucamarini M., Yuan Z.L., Dynes J.F., Shields A.J. // Nature. 2018. V. 557. No. 7705. P. 400.
  8. Курочкин В.Л., Коляко А.В. // Изв. РАН. Сер. физ. 2016. Т. 80. № 1. С. 5; Kurochkin V.L., Kolyako A.V. // Bull. Russ. Acad. Sci. Phys. 2016. V. 80. No. 1. P. 1.
  9. Liao S.K., Cai W.Q., Liu W.Y. et al. // Nature. 2017. V. 549. No. 7670. P. 43.
  10. Khmelev A.V., Ivchenko E.I., Miller A.V. et al. // Entropy. 2023. V. 25. No. 4. Art. No. 670.
  11. Ma X., Qi B., Zhao Y., Lo H.K. // Phys. Rev. A. 2005. V. 72. No. 1. Art. No. 012326.

补充文件

附件文件
动作
1. JATS XML
2. Fig. 1. Histograms of the dependence of the number of received clicks (a) and the percentage of quantum bit errors (QBER) in them (b) for the case of small fluctuations in the neighbourhood of the model averages

下载 (419KB)
3. Fig. 2. Histograms of the dependence of the number of received clicks (a) and the percentage of quantum bit errors (QBER) in them (b) for the case of significant fluctuations, which can be associated with the instability of the experimental equipment and bad weather conditions

下载 (332KB)
4. Fig. 3. Plots of the dependence of the final key length on the size of the segments of the session interval partitioning in the case of small fluctuations (a) and for large deviations (b) of the number of clicks from the theoretical average

下载 (167KB)

版权所有 © Russian Academy of Sciences, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».