コンポーザブル有限サイズセキュリティにおける連続変数量子鍵配送のための過剰ノイズ推定のニューラルネットワーク

パラメータ推定は、連続変数量子鍵配送 (CV-QKD) において重要なステップであり、特に最悪ケースの信頼区間が達成可能な秘密鍵レートを大幅に低下させる有限サイズ領域では、特に重要です。我々は、ニューラルネットワークがCV-QKDにおけるパラメータ推定に信頼性高く使用できることを示す有限サイズセキュリティ分析を提供します。これは、運用解釈とコンポーザブルなセキュリティ保証を持つ定量化可能な失敗確率ε₏₄で特徴付けられています。標準的アプローチと運用的に同等のプロトコルを使用することで、我々の方法は信頼区間を大幅に引き締め、高い鍵レートを集団ガウス攻撃下でも解放します。提案されたアプローチは信頼区間を引き締め、集団ガウス攻撃における秘密鍵レートの定量的な増加をもたらします。これらの結果は、特に実用的なリソース制約のあるシナリオにおいて、現代の機械学習技術を量子暗号プロトコルに統合するための新しい展望を開きます。