(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210951174.0 (22)申请日 2022.08.09 (71)申请人 北京邮电大 学 地址 100876 北京市海淀区西土城路10号 (72)发明人 赵永利　朱青橙　郁小松　张杰　 (74)专利代理 机构 北京风雅颂专利代理有限公 司 11403 专利代理师 郭曼 (51)Int.Cl. H04L 9/08(2006.01) G06N 20/00(2019.01) (54)发明名称 基于机器学习的量子密钥分发系统和方法 (57)摘要 本申请提供一种基于机器学习的量子密钥 分发系统和方法。 所述系统包括： 网络管理层， 被 配置为获取用户指令； 所述用户指令包括对所述 量子密钥分发系统中的元件进行性能预测或功 能设置中的至少一种指令； 根据所述用户指令是 否有对应的指标指令， 发送所述用户指令至机器 学习层或发送所述指标指令至功能层； 机器学习 层， 被配置为根据所述用户指令通过目标问题度 量程序得到所述指标指令， 根据所述指标指令进 行模型训练得到功能模型以及将所述指标指令 发送至网络管理层以便网络管理层对其进行存 储； 功能层， 被配置为根据所述指标指令调取所 述功能模型， 并根据所述功能模 型的输出结果确 定目标元件指令并发送至目标元件。 权利要求书2页 说明书10页 附图4页 CN 115473629 A 2022.12.13 CN 115473629 A 1.一种基于 机器学习的量子密钥分发系统， 其特 征在于， 包括： 网络管理层， 被配置为获取用户指令； 所述用户指令包括对所述量子密钥分发系统中 的元件进 行性能预测或功能设置中的至少一种指 令； 根据所述用户指 令是否有对应的指标 指令， 发送所述用户指令 至机器学习层或发送所述指标指令 至功能层； 机器学习层， 被配置为根据所述用户指令通过目标问题度量程序得到所述指标指令， 根据所述指标指令进行模型训练得到功 能模型以及将所述指标指令发送至网络管理层以 便网络管理层对其进行存 储； 功能层， 被配置为根据所述指标指令调取所述功能模型， 并根据所述功能模型的输出 结果确定目标 元件指令并发送至目标 元件。 2.根据权利要求1所述的基于机器学习的量子密钥分发系统， 其特征在于， 所述网络管 理层， 包括： 获取单元， 被配置为获取 所述用户指令； 判断单元， 被配置为确认存 储单元中是否有所述用户指令对应的指标指令； 发送单元， 被配置为响应于确定有对应的指标指令， 将所述指标指令发送至功能层； 响 应于确定没有对应的指标指令， 将所述指标指令发送至 机器学习层； 存储单元， 被配置为接收所述机器学习层发送的所述指标指令， 存 储所述指标指令 。 3.根据权利要求1所述的基于机器学习的量子密钥分发系统， 其特征在于， 所述机器学 习层包括： 用户指令解析单元， 被配置为根据 所述用户指令通过目标问题度量程序得到所述指标 指令， 并将所述指标指令发送至模型训练单 元； 模型训练单元， 被配置为根据 所述指标指令获取目标元件的历史运行数据并进行模型 训练， 在所述模型通过测试后将其作为功能模型进行存 储； 发送模块， 被配置为将所述指标指令发送至网络管理层以便网络管理层对其进行存 储。 4.根据权利要求3所述的基于机器学习的量子密钥分发系统， 其特征在于， 所述用户指 令解析单元， 包括： 解析模块， 被配置为根据目标与对应预定问题对所述用户指令进行解析， 确定所述用 户指令的指标； 编排模块， 被 配置为根据所述指标， 构建用于编排的所述指标指令； 发送模块， 被 配置为将所述指标指令发送至所述模型训练单 元。 5.根据权利要求4所述的基于机器学习的量子密钥分发系统， 其特征在于， 所述解析模 块进一步被配置为： 根据所述 目标问题度量程序中的目标与人为预定的问题， 通过度量标 准对所述用户指令进行度量， 得到所述用户指令的指标。 6.根据权利要求3所述的基于机器学习的量子密钥分发系统， 其特征在于， 所述模型训 练单元， 包括： 功能管理模块， 被配置为根据 所述指标指令获取目标元件的历史运行数据并进行模型 训练， 将训练得到的功能模型发送至测试模块； 测试模块， 被配置为对所述功能模型进行测试， 响应于确定所述功能模型的测试结果 满足预定条件， 结束所述功能模型的训练并将其发送至存 储模块；权　利　要　求　书 1/2 页 2 CN 115473629 A 2存储模块， 被配置为对所述功能模型进行存 储； 应用沙盒模块， 被 配置为模拟训练环境和 测试环境。 7.根据权利要求6 中所述的基于机器学习的量子密钥分发系统， 其特征在于， 所述功能 管理模块包括： 数据采集模块， 被配置为根据 所述指标指令采集所述目标元件的历史运行数据和当前 运行数据作为训练数据； 数据预处 理模块， 被 配置为对所述训练数据进行清洗和数据增强， 得到预处 理数据； 模型训练模块， 被配置为根据 所述预处理数据和所述指标指令对初始模型进行训练得 到所述功能模型； 发送模块， 被 配置为将所述指标指令和所述功能模型发送至所述测试 单元。 8.根据权利要求1所述的基于机器学习的量子密钥分发系统， 其特征在于， 所述功能层 包括功能应用单 元， 所述功能应用单 元包括： 数据采集模块， 被配置为根据 所述指标指令采集所述目标元件的历史运行数据和当前 运行数据； 数据预处 理模块， 被 配置为对所述数据进行清洗和数据增强， 得到预处 理数据； 模型部署模块， 被 配置为根据所述指标指令从所述机器学习层调取 所述功能模型； 模型应用模块， 被配置为接收所述预处理数据和所述指标指令， 通过所述功能模型计 算得到的输出 结果； 策略构建模块， 被配置为根据所述指标指令和所述输出结果生成目标元件指令， 并发 送所述目标 元件指令 至所述结果分发模块； 结果分发模块， 被 配置为将所述目标 元件指令发送至所述目标 元件。 9.根据权利要求1所述的基于机器学习的量子密钥分发系统， 其特征在于， 所述模型部 署模块还被配置为： 响应于确定所述指标指令无法从所述机器学习层调取所述功能模型， 将所述指标指令发送至所述机器学习层以便所述机器学习层训练模型。 10.一种基于机器学习的量子密钥分发方法， 其特征在于， 所述方法应用于包括有 网络 管理层、 机器学习层和功能层的量子密钥分发网络系统； 所述网络管理层， 获取用户指令； 所述用户指令包括对所述量子密钥分发系统中的元 件进行性能预测或功能设置中的至少一种指令； 根据所述用户指令是否有对应的指标指 令， 发送所述用户指令 至机器学习层或发送所述指标指令 至功能层； 所述机器学习层， 根据所述用户指令通过目标问题度量程序得到所述指标指令， 根据 所述指标指令进行模型训练得到功 能模型以及将所述指标指令发送至网络管理层以便网 络管理层对其进行存 储； 所述功能层， 根据所述指标指令调取所述功能模型， 并根据所述功能模型的输出结果 确定目标 元件指令并发送至目标 元件。权　利　要　求　书 2/2 页 3 CN 115473629 A 3