量子科技中心_量科网

量子密钥分发（QKD）承诺提供信息论安全，然而在离散变量（DV）和连续变量（CV）场景下的实际部署仍面临设备缺陷、信道操控、有限密钥效应以及用于自适应和监控的机器学习（ML）组件漏洞等风险。本综述基于九类实际问题（P1-P9）采用问题驱动视角，涵盖设备层、信道层、协议层、机器学习层和网络层。针对每一类问题，该团队比较了经典防御方案与基于机器学习的解决方案，包括异常检测、参数预测、噪声估计、对抗性净化及资源分配。报告的结果包括：基于DBSCAN的CV攻击检测达到P=99.7%、R=99.8%、F1=0.998；对抗鲁棒性恢复率高达79.5%；在低噪声和高噪声条件下信道放大检测率分别为100%和91.26%；基于LightGBM的噪声预测将评估时间减少高达98.8%。该综述进一步提出了一个基准测试框架，结合了数据集、压力测试协议以及统一评估指标（包括密钥生成率影响、最大距离、延迟和鲁棒性）。最后，该团队提供了深度防御部署指南，并概述了安全实用QKD系统的未来研究方向。