論文の概要: Machine Learning for Specialized QKD Aspects: A Survey of Adaptive Protocols, Free-Space Links, 6G Integration, and Steerability-Aware Security
- arxiv url: http://arxiv.org/abs/2608.08280v1
- Date: Sat, 08 Aug 2026 18:22:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.756475
- Title: Machine Learning for Specialized QKD Aspects: A Survey of Adaptive Protocols, Free-Space Links, 6G Integration, and Steerability-Aware Security
- Title（参考訳）: 特殊化QKDのための機械学習: 適応プロトコル,フリースペースリンク,6G統合,ステアビリティ・アウェアセキュリティに関する調査
- Abstract要約: 量子鍵分布(QKD)は、量子力学の法則に基づく情報理論のセキュリティを提供する。
この調査では、機械学習(ML)、強化学習(RL)、およびQMLがこれらの特殊なシナリオにどのように対処するかを調べる。
- 参考スコア（独自算出の注目度）: 0.13750624267664155
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum Key Distribution (QKD) provides information-theoretic security grounded in the laws of quantum mechanics, yet practical deployment increasingly extends beyond conventional point-to-point fiber links. Several rapidly emerging QKD directions are often studied separately, including adaptive protocol and parameter support; free-space, satellite, UAV, and high-altitude platform (HAP) channels; integration with IoT and 6G networks; quantum-secured federated learning; Quantum Machine Learning (QML) assisted decision support; and steerability-aware estimation for one-sided device-independent QKD. This survey examines how Machine Learning (ML), Reinforcement Learning (RL), and QML address these specialized scenarios and organizes the literature into five thematic pillars: (I) adaptive protocol and parameter support; (II) free-space, satellite, UAV, and HAP-assisted QKD; (III) QKD for IoT, 6G, and quantum-secured federated learning; (IV) QML-assisted QKD functions; and (V) steerability-aware and one-sided device-independent QKD security estimation. For each theme, we follow a consistent problem, conventional solution, and ML/RL/QML solution structure and summarize reported gains using metrics such as accuracy, mean absolute percentage error, QBER reduction, and secret key rate improvement. We further provide thematic and cross-theme comparison tables and identify open challenges, including dataset scarcity, transferability across weather and mobility conditions, interpretability, trustworthy QML, and the boundary between ML-based decision support and security certification. This survey serves as a focused reference for adaptive, non-terrestrial, and application-integrated QKD systems.
- Abstract（参考訳）: 量子鍵分布(Quantum Key Distribution, QKD)は、量子力学の法則に基づく情報理論のセキュリティを提供するが、実際的な展開は従来のポイント・ツー・ポイント・ファイバリンクを超えてますます拡大している。
適応プロトコルとパラメータサポート、自由空間、衛星、UAV、高高度プラットフォーム(HAP)チャネル、IoTと6Gネットワークとの統合、量子セキュアなフェデレーションラーニング、量子機械学習(QML)による意思決定サポート、一方的なデバイス非依存QKDのステアビリティ認識推定など、いくつかの急激なQKD方向が別々に研究されている。
本調査では、機械学習(ML)、強化学習(RL)、QMLがこれらの特殊なシナリオにどのように対処するかを調査し、文献を5つのテーマ柱にまとめる: (I)適応プロトコルとパラメータサポート; (II)自由空間、衛星、UAV、HAP支援QKD; (III)IoT、6G、および量子セキュアなフェデレーション学習のためのQKD; (IV)QML支援QKD関数; (V)ステアビリティ認識と一方的なデバイス非依存QKDセキュリティ推定。
各テーマに対して、一貫した問題、従来のソリューション、ML/RL/QMLソリューション構造に従い、精度、平均絶対パーセンテージ誤差、QBER削減、秘密鍵レート改善などの指標を用いて報告した利得を要約する。
さらに、テーマとテーマ間の比較表を提供し、データセットの不足、気象および移動条件間の転送可能性、解釈可能性、信頼できるQML、MLベースの意思決定支援とセキュリティ認定の境界など、オープンな課題を特定します。
この調査は、適応的、非地球的、およびアプリケーション統合QKDシステムの参照として機能する。
関連論文リスト
- Machine Learning Techniques for Enhancing Quantum Key Distribution [0.0]
量子鍵分布(QKD)は、量子力学を利用して理論的に破壊不可能なセキュリティを提供する。
現実的な実装は、環境の脆弱性、ノイズ、ハードウェアの不完全さに悩まされている。
最近の機械学習(ML)は、これらの制限に対処し、QKDシステムの現実的な生存性を高める強力なツールとして登場した。
論文 参考訳（メタデータ） (2026-03-07T23:51:47Z) - AQER: a scalable and efficient data loader for digital quantum computers [62.40228216126285]
我々は,ターゲット状態の絡み合いを体系的に低減し,負荷回路を構成するスケーラブルなAQL手法であるAQERを開発した。
我々は、合成データセット、古典画像および言語データセット、最大50キュービットの量子多体状態データセットを用いて、AQERの有効性を評価するための体系的な実験を行う。
論文 参考訳（メタデータ） (2026-02-02T14:39:42Z) - Noise-Resistant Feature-Aware Attack Detection Using Quantum Machine Learning [43.509065918669314]
連続可変量子鍵分布(continuous-variable quantum key distribution, CV-QKD)は、無条件のセキュリティ保証を提供する量子通信技術である。
高速CV-QKDシステムのセキュリティを保護する量子機械学習(QML)ベースの攻撃検出フレームワーク(QML-ADF)を提案する。
論文 参考訳（メタデータ） (2026-01-11T03:40:45Z) - Q-SafeML: Safety Assessment of Quantum Machine Learning via Quantum Distance Metrics [0.5097809301149341]
本稿では,量子機械学習(QML)の安全性監視手法であるQ-SafeMLを紹介する。
Q-SafeMLの適応バージョンには量子中心距離測度が組み込まれており、QML出力の確率的性質と一致している。
QCNNとVQC Modelsの実験によると、これは人間の情報監視を可能にし、システムの透明性と安全性を高める。
論文 参考訳（メタデータ） (2025-09-04T07:20:59Z) - High-Fidelity Coherent-One-Way QKD Simulation Framework for 6G Networks: Bridging Theory and Reality [105.73011353120471]
量子鍵分布(QKD)は情報理論のセキュリティを保証するための有望なソリューションとして浮上している。
かなり高価なQKD機器のため、QKD通信システム設計ツールの欠如は困難である。
本稿ではQKD通信システム設計ツールを紹介する。
論文 参考訳（メタデータ） (2025-01-21T11:03:59Z) - Towards Scalable Quantum Key Distribution: A Machine Learning-Based Cascade Protocol Approach [2.363573186878154]
量子鍵分配(Quantum Key Distribution, QKD)はセキュア通信のための重要な技術である。
複雑な数学的モデルに依存する伝統的な鍵レート決定法は、しばしば効率と拡張性に欠ける。
本稿では,機械学習(ML)技術をカスケード誤り訂正プロトコルに統合する手法を提案する。
論文 参考訳（メタデータ） (2024-09-12T13:40:08Z) - Predominant Aspects on Security for Quantum Machine Learning: Literature Review [0.0]
量子機械学習(Quantum Machine Learning, QML)は、量子コンピューティングと古典的な機械学習の有望な交わりとして登場した。
本稿では,セキュリティ上の懸念と強みがQMLとどのように結びついているのかを,系統的な文献レビューを用いて論じる。
論文 参考訳（メタデータ） (2024-01-15T15:35:43Z) - Unifying (Quantum) Statistical and Parametrized (Quantum) Algorithms [65.268245109828]
我々はカーンズのSQオラクルとヴァリアントの弱い評価オラクルからインスピレーションを得ます。
評価クエリから学習するための非条件の下限を出力する,広範かつ直感的なフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-26T18:23:21Z) - QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。
量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。
4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
論文 参考訳（メタデータ） (2023-08-25T15:08:19Z) - Potential and limitations of quantum extreme learning machines [55.41644538483948]
本稿では,QRCとQELMをモデル化するフレームワークを提案する。
我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
論文 参考訳（メタデータ） (2022-10-03T09:32:28Z) - QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。
短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
論文 参考訳（メタデータ） (2022-07-14T12:22:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。