-
公开(公告)号：CN110601826A
公开(公告)日：2019-12-20
申请号：CN201910842906.0
申请日：2019-09-06
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于机器学习的动态DWDM-QKD网络中自适应信道分配方法。本方法主要针对量子密钥分发与光网络融合中时变噪声干扰问题，在不影响已有经典业务服务机制的前提下，提供一种有效的噪声抑制信道分配方案。针对无法提前预知经典业务请求这一难题，本方案中设计了一种基于机器学习的最佳量子信道预测模型，经训练后能够根据网络状态在线预测具有最低噪声干扰的波长信道，基于这一预测结果周期性地对量子信道进行重新分配。本方案能够显著降低量子信号受到的噪声干扰，从而提高密钥生成率等性能，并且在实施量子信道分配过程中既无需对系统性能进行实时监控，也无需复杂的计算，极大降低了网络管控的负担，并且能够满足网络的实时性要求。
-
公开(公告)号：CN110601826B
公开(公告)日：2021-10-08
申请号：CN201910842906.0
申请日：2019-09-06
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于机器学习的动态DWDM‑QKD网络中自适应信道分配方法。本方法主要针对量子密钥分发与光网络融合中时变噪声干扰问题，在不影响已有经典业务服务机制的前提下，提供一种有效的噪声抑制信道分配方案。针对无法提前预知经典业务请求这一难题，本方案中设计了一种基于机器学习的最佳量子信道预测模型，经训练后能够根据网络状态在线预测具有最低噪声干扰的波长信道，基于这一预测结果周期性地对量子信道进行重新分配。本方案能够显著降低量子信号受到的噪声干扰，从而提高密钥生成率等性能，并且在实施量子信道分配过程中既无需对系统性能进行实时监控，也无需复杂的计算，极大降低了网络管控的负担，并且能够满足网络的实时性要求。
-
Search Results
2
records
(took 0.016 seconds)
