Learnt Attacks on Quantum Key Distribution under Channel Noise and Device Drift¶

会议: NeurIPS 2026
arXiv: 2610.01792
领域: 信号/通信
关键词: 量子密钥分发, 强化学习, 自适应窃听, 门拓扑搜索, 设备漂移

一句话总结¶

将信道噪声与设备漂移下的自适应量子窃听建模为受约束马尔可夫决策过程（CMDP），通过门结构与旋转角度的双层启发式搜索生成紧凑量子攻击电路库，并结合强化学习动态调度策略，在保证零检测概率下大幅提高了窃听者获取的互信息。

研究背景与动机¶

量子密钥分发（QKD）目前已在城域网及关键安全通信中取得实用化部署，其无条件安全性的理论基础依赖于合法通信双方（Alice 和 Bob）对信道传输扰动的统计抽样估计。当抽样扰动低于预设的中止阈值时，安全证明可给出合法的安全密钥生成率下界。为了抵御真实物理环境中信道与探测设备的性能衰减，部署系统通常在固定的时间表上进行设备重校准，并预留足够的安全操作裕量（operating margin），以覆盖两次校准周期之间的设备漂移。

然而，现有的安全边界与密钥率认证方法（例如 Winick-Lütkenhaus-Coles 相对熵方法或 NPA 半定规划分层松弛）本质上均是静态分析。这些方法假设信道在两次重校准之间保持平稳，只针对单一冻结的观测行为进行松弛求解。但在实际物理链路中，硬件老化、热涨落及外部环境扰动会导致信道参数随时间连续漂移。面对漂移信道，一个具备物理限制且无法更改信道内在噪声的窃听者（Eve），可以通过读取公共信道统计反馈在每个传输块（block）内自适应调整其攻击电路。静态分析无法提供序列决策策略，也未曾量化自适应窃听相比于最优固定攻击能带来多大的额外信息收益。这种理论空白迫使网络运营商只能采用极其保守的静态裕量，导致系统因频繁重校准而长时间停机，严重压低了安全密钥率与硬件利用率。

本文旨在解决这一核心盲区：核心 idea：将信道连续漂移下的自适应量子窃听严格表述为离散动作空间上的受约束马尔可夫决策过程（CMDP），通过双层联合搜索构建紧凑的极值攻击电路库，并证明自适应强化学习策略能在满足长期检测预算约束下逼近动态规划信息理论上界。

方法详解¶

整体框架¶

本文的方法流程分为两个核心阶段：首先是离散攻击电路库的构建，通过进化外层循环搜索量子门拓扑结构，结合内层免梯度优化器微调门旋转角度，针对不同噪声锚点与扰动目标合成紧凑的量子攻击电路；其次是将漂移环境建模为 Ornstein-Uhlenbeck（OU）连续随机过程，窃听者将紧凑电路库作为离散动作集，基于受约束马尔可夫决策过程（CMDP）学习自适应攻击策略。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["环境初始化<br/>OU漂移信道模型与探测中止预算"] --> B["双层启发式电路搜索<br/>门序列进化拓扑 + 免梯度角度优化"]
    B --> C["紧凑极值攻击电路库<br/>BB84 24个电路 / E91 26个电路"]
    C --> D["受约束MDP建模与动作屏蔽<br/>滑动窗口检测约束与信道状态表征"]
    D --> E["强化学习自适应策略优化<br/>Double/Dueling Rainbow与预算感知调度"]
    E --> F["动态规划理论上界验证<br/>零检测状态转移贝尔曼后向归纳"]

关键设计¶

1. 双层启发式电路搜索：摆脱预设硬件模板以合成未知噪声极值攻击 以往的变分量子攻击工作（如 Decker 等人）固定采用硬件高效型交替门模板，仅优化连续旋转角度，这限制了拓扑结构对特定非保利信道（如振幅阻尼信道）的表达能力。本文提出了双层嵌套搜索架构，外层采用正规化进化算法搜索量子门序列 $T$，候选变异操作严格平衡增门、删门与替换门的概率以避免无向膨胀；内层在固定门序列下，针对连续旋转角度 $\theta$ 使用免梯度优化器（BB84 采用协方差矩阵自适应 CMA-ES，E91 采用同时微扰随机逼近 SPSA）进行定额评估优化： $$\min_{T, \theta} f(T, \theta)$$ 其中目标函数 $f$ 为窃听者信息负值（BB84 中对应单辅量子比特 Helstrom 区分度，E91 中对应 Holevo 互信息 $\chi(A:E)$），公共监测统计量（如合法方保真度 $F_{AB} \ge 0.87$ 或 CHSH 值 $S \ge \tau_S$）直接作为可行性硬约束注入。由于评估预算对参数维度敏感，搜索过程天然惩罚过度冗余的高维结构，在无需人工设置电路深度惩罚项的前提下，稳定收敛于仅含 4 到 9 个门的极紧凑电路。

2. 纠缠协议双边噪声解耦与理论绝壁界定：揭示 E91 物理有效攻击域 在基于纠缠的 E91 协议及其设备无关变体中，信道噪声以双边单量子比特退极化信道 $\Lambda_p^A \otimes \Lambda_p^B$ 形式作用于共享态。论文通过对各向异性 Pauli 分解证明，Alice 与 Bob 之间的 CHSH 关联值遭受二次方衰减： $$S_{\mathrm{obs}}(U_E, p) = (1-p)^2 S_{\mathrm{pre}}(U_E)$$ 而当部分迹消除 Bob 端的量子系统后，由于 $\Lambda_p^B$ 对恒等分量保持不变，窃听者的观测态 $\rho_E^{\mathrm{obs}}$ 完全独立于 Bob 端信道衰减（即 $\rho_E^{\mathrm{obs}} = \rho_E^{\mathrm{pre}}$）。这明确将双边噪声解耦为两种独立作用：Alice 端信道 $\Lambda_p^A$ 通过数据处理不等式降低窃听者互信息 $\chi(A:E)$，而 Bob 端信道 $\Lambda_p^B$ 仅加速削减合法通信双方的 CHSH 观测值。双边二次方衰减导致未受攻击的纯净贝尔态在到达临界噪声强度 $p_{\mathrm{cliff}} = 1 - \sqrt{S_{\mathrm{sec}} / 2\sqrt{2}} \approx 0.0742$ 时，其安全密钥率立即归零。该物理绝壁界定了一个严苛的操作窄带，要求离散电路库必须以极高分辨率在 $p \in [0, 0.0642]$ 范围内完成锚定。

3. 受约束马尔可夫决策过程与动作屏蔽：跨轮次检测预算下的序贯博弈 信道物理漂移参数 $p_t$ 遵循 Ornstein-Uhlenbeck 连续随机均值回归微分方程： $$\mathrm{d}p_t = \kappa (\mu - p_t) \mathrm{d}t + \sigma \mathrm{d}W_t$$ 在一个包含 $T=50$ 轮传输的通信周期内，合法通信双方的中止准则是基于全块或滑动窗口的均值统计量。窃听者被形式化为一个受约束决策智能体，状态空间包含当前及前三轮信道噪声 $p_t$、前序动作、过去 10 轮的监测统计量均值、累积收益以及剩余轮次。为防止智能体发生违约导致通信立即中止，算法引入了无效动作屏蔽（Invalid-Action Masking）机制： $$\mathcal{M}(s_t) = \left\{ a \in \mathcal{A} \;\middle|\; \frac{1}{10} \left( \sum_{\tau=t-9}^{t-1} M_\tau + M(a, p_t) \right) \ge \tau_{\mathrm{threshold}} \right\}$$ 智能体仅在掩码指示的安全候选集内进行强化学习价值评估（结合 Double DQN、Dueling 架构、多步回报与优先经验回放）。这使得自适应攻击者能够在信道瞬时质量较好时消耗更多的扰动预算执行深度窃听，在信道劣化时平滑退避至恒等操作或保守探针，实现跨轮次的长期预算优化。

损失函数 / 训练策略¶

在电路搜索阶段，E91 采用二次惩罚构造无约束目标函数 $\mathcal{L}_{\mathrm{circuit}} = \chi - \alpha (S - S_{\mathrm{target}})^2$（设定 $\alpha=100$），驱动候选个体精确逼近目标 CHSH 面。在受约束强化学习阶段，智能体的累积回报定义为带有软约束惩罚的拉格朗日形式： $$J_\lambda(\pi) = \mathbb{E}\left[ \sum_{t=1}^T r(a_t, p_t) \right] - \lambda \Pr[D_\pi]$$ 其中 $D_\pi$ 为通信块中止事件，$\lambda \ge 0$ 为违规惩罚系数。在严格模式（strict）下设置高惩罚以逼近零检测概率；在容忍模式（tolerated）下调低惩罚以探索检测概率与信息泄漏之间的权衡空间。

实验关键数据¶

主实验¶

实验对 BB84（比特翻转漂移信道，$T=50$ 轮）与 E91（双边退极化漂移信道，$T=50$ 轮）两种典型协议下的策略进行了系统评估，对比了最优单固定电路（Best fixed）、贪心预言机（Greedy oracle）、强化学习自适应策略（Adaptive）以及基于后向归纳求解的动态规划无检测理论上界（$V_{\mathrm{DP}}$）。

协议 / 环境	评估策略	窃听者信息 ($F_{AE}$ 或 $\chi$)	中止检测率	达到的理论上限比例 (% of $V_{\mathrm{DP}}$)
BB84 (漂移比特翻转)	保守静态查表策略	0.7197	0.0%	95.6%
BB84 (漂移比特翻转)	贪心预言机 (Greedy Oracle)	0.7434	0.0%	98.8%
BB84 (漂移比特翻转)	强化学习自适应策略 (Strict)	0.7434	0.0%	98.8%
BB84 (漂移比特翻转)	强化学习自适应策略 (Tolerated)	0.7477	4.0%	99.3%
BB84 (漂移比特翻转)	动态规划理论上界 ($V_{\mathrm{DP}}$)	0.7527	0.0%	100.0%
E91 (双边退极化漂移)	最优固定电路 (Best Fixed)	0.1350	0.0%	37.9%
E91 (双边退极化漂移)	贪心预言机 (Greedy Oracle)	0.3507	0.0%	98.5%
E91 (双边退极化漂移)	强化学习自适应策略 (Strict)	0.3484	0.0%	97.9%
E91 (双边退极化漂移)	粗网格动态规划 (Coarse DP)	0.3540	7.0%	99.4%
E91 (双边退极化漂移)	精细动态规划理论上界 ($V_{\mathrm{DP}}$)	0.3560	0.0%	100.0%

消融实验与基准验证¶

消融研究针对基准对齐方式（平均约束 vs 分基约束）、噪声信道类型、内层优化算法以及动作屏蔽机制进行了充分验证。

评估维度 / 配置	关键指标	表现说明与分析
静态信道基不对称性 ($\varepsilon=0.10$, 可信平均约束)	$F_{AE} = 0.7858$	相比对称信道获得正向增益 $+0.0012$（利用固有噪声掩盖）
静态信道基不对称性 ($\varepsilon=0.10$, 可信分基独立约束)	$F_{AE} = 0.7631$	增益符号反转为负值 $-0.0214$，窃听能力下降 $0.023$
静态信道基不对称性 ($\varepsilon=0.10$, 不可信安全证明约束)	$F_{AE} = 0.6737$	相比对称信道 ($0.7220$) 出现大幅负向劣势 $-0.0483$
振幅阻尼信道 ($\gamma=0.05 \to 0.20$, 非 Pauli)	$F_{AE} = 0.8197 \to 0.7437$	自动合成 4-5 门非通用结构电路，摆脱 Pauli 克隆机限制
辅量子比特规模 ($n_a = 1 \to 2 \to 3$, $\varepsilon=0.10$)	$F_{AE} = 0.7850 \to 0.7858 \to 0.7858$	2 个辅量子比特即达到四位小数饱和，计算开销可控
无动作屏蔽策略梯度 (Unmasked PPO on E91)	$\chi \approx 0.26 \sim 0.28$	动作空间坍缩至 3-4 个保守动作，探索失败且性能显著落后

关键发现¶

在基于纠缠的 E91 协议中，信道漂移下的自适应窃听带来了决定性优势：自适应攻击者在维持零检测的前提下，获取的 Holevo 互信息高达 0.3484，达到最优单一固定电路（0.1350）的 2.58 倍，且饱和了动态规划理论极限的 97.9%。
在 BB84 协议中，强化学习智能体（0.7434）超越了根据瞬时信道噪声选择最近锚点最保守电路的静态查表基线（0.7197），获取了 0.0237 的保真度增益，证明了跨轮次动态调度信道扰动预算的必要性。
基不对称性（Basis Asymmetry）的增益方向完全取决于合法通信双方的监测约定。若仅监测两基平均误码率（QBER），窃听者可通过将扰动集中于高噪声基实现掩盖并获得正收益；一旦通信双方独立监测每个基的误码率，凸性约束将立即反转增益符号，在相同总信道误差下显著压低窃听者的信息上限。

亮点与洞察¶

将量子物理攻击空间离散化为紧凑电路动作集：利用评估预算自适应收缩电路规模的内在特性，将连续庞大的酉矩阵空间压缩为 20 余个极具代表性的 4-9 门极值量子电路，成功将连续量子博弈映射为可解的标准离散 CMDP。
揭示了信道监测约定对物理裕量保守度的巨大影响：无需任何额外硬件或采样开销，仅将误码率中止判定从“双基平均”切换为“分基独立判定”，即可使不对称信道下的窃听者信息泄露直接压低一个数量级。
给出了评估重校准周期的实用量化工具：在 Ornstein-Uhlenbeck 漂移模型下，漂移极值幅度随时间窗口扩大而单调增长。该方法使得运营商能够基于自适应攻击的理论极限倒推设备最大安全重校准间隔，从而优化密钥分发吞吐量。

局限与展望¶

信道状态完美可观测性假设：当前环境假定窃听者在每轮无时延、无误差地感知当前信道参数 $p_t$；在真实部署中，窃听者需基于公共信道纠错泄露的统计数据进行有限样本滤波估计，存在估计延迟与方差。
渐进大样本与特定攻击维度：目前的扰动与互信息均在渐进极限下基于纯态/密度矩阵仿真计算，未纳入有限密钥效应（Finite-key effects）及诱骗态（Decoy-state）波动分析。
未来方向：将此框架拓展至连续变量 QKD（CV-QKD）的大气湍流及热损耗信道，并在环境建模中结合强化学习探索不完全信息部分可观测马尔可夫决策过程（POMDP）。

评分¶

新颖性: ⭐⭐⭐⭐⭐ 首次将信道时序漂移下的量子自适应窃听建模为受约束 MDP，并实现门拓扑变分搜索与 RL 的端到端闭环。
实验充分度: ⭐⭐⭐⭐⭐ 覆盖 BB84 与 E91、Pauli 与非 Pauli 噪声，结合动态规划理论上界、NPA 松弛与相对熵下界进行了严密对账。
写作质量: ⭐⭐⭐⭐⭐ 概念界定严谨明晰，区分可信噪声与不可信证明边界，数学推导与实验数据对应准确。
价值: ⭐⭐⭐⭐⭐ 为城域量子保密通信系统的重校准调度与安全裕量配置提供了直接可复用的可量化分析工具。

评估维度 / 配置	关键指标	表现说明与分析
静态信道基不对称性 (\(\varepsilon=0.10\), 可信平均约束)	\(F_{AE} = 0.7858\)	相比对称信道获得正向增益 \(+0.0012\)（利用固有噪声掩盖）
静态信道基不对称性 (\(\varepsilon=0.10\), 可信分基独立约束)	\(F_{AE} = 0.7631\)	增益符号反转为负值 \(-0.0214\)，窃听能力下降 \(0.023\)
静态信道基不对称性 (\(\varepsilon=0.10\), 不可信安全证明约束)	\(F_{AE} = 0.6737\)	相比对称信道 (\(0.7220\)) 出现大幅负向劣势 \(-0.0483\)
振幅阻尼信道 (\(\gamma=0.05 \to 0.20\), 非 Pauli)	\(F_{AE} = 0.8197 \to 0.7437\)	自动合成 4-5 门非通用结构电路，摆脱 Pauli 克隆机限制
辅量子比特规模 (\(n_a = 1 \to 2 \to 3\), \(\varepsilon=0.10\))	\(F_{AE} = 0.7850 \to 0.7858 \to 0.7858\)	2 个辅量子比特即达到四位小数饱和，计算开销可控
无动作屏蔽策略梯度 (Unmasked PPO on E91)	\(\chi \approx 0.26 \sim 0.28\)	动作空间坍缩至 3-4 个保守动作，探索失败且性能显著落后