QKD

机器学习框架增强量子密钥分发安全性，抵御隐蔽攻击

研究人员开发了一种新颖的机器学习框架，以增强BB84量子密钥分发（QKD）系统中窃听攻击的检测能力。该框架超越了传统的固定QBER阈值，通过分析QBER的时间特征，捕捉突发行为和不稳定性。使用随机森林、XGBoost和SVM-RBF分类器进行评估，XGBoost模型表现出卓越的性能，准确率为88.01%，宏观F1得分为0.8803，与传统方法相比显著降低了误报率。