简介一份聚焦四态参考系无关量子密钥分发RFI-QKD协议的实现与性能分析资源面向具备量子信息基础与Python编程能力的研究人员、工程师适用于QKD协议开发、安全性评估及长距离量子加密方案设计。压缩包含1个PDF文件大小756KB虽体量精简但覆盖完整复现代码与推导说明。已有62人学习浏览。内容从论文标题、协议数学定义到信道传输效率、误码率估算、C参数计算、安全密钥率等模块逐一展开并附可运行的Python实现类便于调整距离、损耗、误码率等参数复现200km实验场景同时对比四态RFI-QKD与三态BB84协议突出参考系无关与信道表征优势。适合需要深入理解协议机理并快速上手仿真的研究者。 说实话看到“RFI-QKD 200km仿真”这种标题我第一反应是这又是一堆公式推导复制粘贴。但真正上手做协议仿真之后才发现最磨人的根本不是公式本身而是“参考系无关”这个特性在代码里怎么体现、200km这种损耗量级下密钥率还能不能撑住、以及C值估计偏差对安全性的影响到底有多大。这篇文章我不打算堆理论而是把一套能直接跑出结果的Python仿真代码拆开讲透聚焦在四态实现、密钥率模型和距离-性能优化这三个点上。1. 为什么需要RFI-QKD从“校准参考系”这个痛点说起1.1 标准QKD的隐藏前提做量子密钥分发的人都知道BB84协议在理想条件下没问题但一到实际光纤链路就暴露一个很尴尬的工程前提Alice和Bob必须先把各自的测量参考系对齐。偏振编码的场景下就是偏振轴要对齐相位编码的场景下就是相位基准要对齐。光纤在野外环境受温度变化、振动、风吹等因素影响参考系会缓慢漂移严重的时候一小时内偏振旋转十几度都很正常。参考系一漂移Bob测到的误码率就会同步上升。BB84里误码率一旦超过某个阈值一般是11%左右为了安全必须放弃成码。于是系统就得频繁中断重新做参考系校准这在高损耗长距离链路上特别致命——本来信号就弱再为校准消耗时间和资源有效成码率会进一步下降。RFI-QKDReference-Frame-Independent QKD就是专门针对这个问题设计的。它的核心思想不是“把参考系校准做得更准”而是“即使参考系在整个通信过程中缓慢漂移只要漂移量在协议允许范围内密钥照样能成”。换句话说它把“对齐参考系”这个硬性工程前提降级成了“知道参考系大概稳定即可”的软性条件。1.2 RFI协议的核心思路RFI-QKD不需要在通信过程中实时追踪参考系的具体角度而是在后处理阶段用一组额外的测量数据来估计参考系偏移带来的“信息泄露上限”。只要Eve对密钥信息的掌握程度低于某个界合法通信双方就能通过纠错和隐私放大得到安全的密钥。这里比较关键的一点是RFI协议并不假设参考系固定不变它只假设参考系在一个足够长的时间窗口内近似稳定并且Eve不能利用参考系的漂移来获取额外信息。这个假设在绝大多数实际光纤链路中都能满足因为偏振或相位的漂移再快也是有限的不会出现几微秒内随机跳变的极端情况。从实现角度看RFI协议比标准BB84多付出的代价是需要用额外的测量基来估计参考系相关的参数。这就是四态方案和六态方案的分水岭——六态自然更精确但制备和测量复杂度高四态在工程上明显更友好代价是某些估算精度略低。200km这种长距离场景资源寸土寸金我更倾向于用四态方案。2. 四态RFI-QKD协议拆解编码、基选择与参数估计2.1 三组基到底在干什么四态RFI-QKD的偏振编码结构我习惯用这三组基来理解Z基承担成码任务X基和Y基承担参考系估计任务。Alice制备的单光子态从Z基的H/V两个态中随机选择或者从X基的/-两个态中随机选择。如果Alice选了Z基Bob也恰好用Z基测量那么这个结果就进入成码序列。如果Alice选了X基Bob测量基也是X基那么这个结果用来估算X基条件下的误码率。Y基虽然也参与测量但它在四态方案里不承担成码只用来和X基数据一起计算参考系无关的“C值”。这里有个很容易混淆的点在六态RFI-QKD中Alice需要制备三组MUB中的态而四态方案只需要制备两组基Z和X的四个态Y基数据其实是通过改变Bob的测量角度或者事后对X基数据进行变换得到的。这样做的直接好处是Alice端的调制器只需要支持两种基的切换硬件成本降低码率也不会因为多一组基的制备而降低太多。从工程角度看四态方案最值得注意的一点是它牺牲了对参考系漂移的“完全免疫”能力。四态方案对参考系漂移的容忍上限大约是45度六态方案理论上可以做到更大一些。但实际光纤链路中偏振漂移通常远小于这个范围所以四态方案在性价比上更占优。2.2 C值与相位误差安全性的“枢纽”RFI-QKD中真正决定安全性上界的不是某个基的误码率而是由X/Y基数据综合计算出来的C值。C值的物理含义是参考系偏移程度对X基和Y基相关性的综合影响。用偏振编码来理解如果Alice和Bob的参考系完全对齐X基测量应该呈现完美的相关性一旦参考系旋转了一个角度βX基的相关性下降Y基的相关性则发生变化。C值把这两个基的相关性做了平方求和从而得到一个不依赖β的统计量——这就是“参考系无关”四个字的数学来源。在安全性分析中C值被用来计算相位误差上界δ。相位误差无法直接测量但可以绑定到C值上。C值越接近2理论最大值说明参考系偏移越小相位误差越小Eve能利用的漏洞越少C值一旦跌破某个阈值密钥率会直接掉到零。这里必须强调一点C值估算的准确性对最终安全密钥率影响极大。如果X/Y基的计数统计量太少C值估计会有较大波动就会导致我们在明明可以成码的情况下选择保守弃码浪费信道资源反过来如果高估C值则会高估安全性这是绝对不允许的。所以实际仿真和实验里X/Y基的采样占比不能太低这也是为什么RFI协议的整体成码率会比BB84低一截的原因。2.3 与六态RFI-QKD的取舍我见过不少人一上来就做六态RFI-QKD理由是理论更完善、安全性界更紧。但落到200km这种损耗接近40dB的实际场景六态方案的劣势会被放大额外的基制备和测量意味着更低的成码效率而长距离下本来就微弱的光子计数会进一步变稀疏C值估计更不稳定。四态方案的优势在于它在“参考系无关能力”和“成码效率”之间取了一个更实用的平衡点。对于工程演示和系统原型验证来说四态方案完全够用而且代码和硬件实现都更简洁。如果你后续要发论文也可以先在四态方案上验证整个分析框架再迁移到六态方案做更严格的界。3. 200km仿真密钥率计算模型与代码实现3.1 信道模型与主要参数在写代码之前先把仿真模型说清楚。我用的是典型光纤QKD模型假设Alice端为弱相干光源Bob端为单光子探测器。密钥率公式采用无限码长近似下的GLLP型公式R 0.5 × Q_Z × [1 - h(e_Z) - f × h(e_Z) - h(δ)]其中0.5是因为Z基成码效率因子Alice和Bob随机选基只有基一致的部分进入成码流程而在RFI中Z基占比约一半Q_Z是Z基的增益e_Z是Z基误码率h(x)是二进制香农熵函数f是纠错效率δ是由C值决定的相位误差上界。信道损耗用α0.2dB/km200km对应40dB总损耗。这个损耗量级下标准单光子源方案基本已经到极限了必须配合高探测效率的超导纳米线探测器SNSPD。我在这里把探测器效率设为0.8暗计数率设为1e-8光学误码率设为0.01这些参数对标目前商用SNSPD的性能水平。3.2 Python仿真代码下面给出完整可运行的仿真代码。import numpy as np import matplotlib.pyplot as plt def binary_entropy(x): 二进制香农熵定义域保护避免nan x np.clip(x, 1e-12, 1 - 1e-12) return -x * np.log2(x) - (1 - x) * np.log2(1 - x) def rfi_skr(L, mu0.2, eta_d0.8, pd1e-8, e_opt0.01, alpha0.2, f1.16, C1.0): 计算四态RFI-QKD在距离Lkm下的安全密钥率。 L: 光纤长度km mu: 光源平均光子数 eta_d: Bob端探测器效率 pd: 探测器暗计数率 e_opt: 光学误码率系统校准误差 alpha: 光纤损耗系数 dB/km f: 纠错效率 C: 参考系无关参数由X/Y基数据估算 t 10 ** (-alpha * L / 10) # Z基增益弱相干态 暗计数贡献 q_z 1 - (1 - t * eta_d * mu) * (1 - 2 * pd) # Z基误码率光学误码 暗计数噪声 e_z (e_opt * t * eta_d * mu pd * 0.5) / q_z # 由C值推导相位误差上界delta if C 0.5: delta (1 - np.sqrt(3 * C / 2 - 1)) / 2 else: delta 0.5 # C值过低无条件成码 # GLLP型密钥率公式 rate 0.5 * q_z * (1 - binary_entropy(e_z) - f * binary_entropy(e_z) - binary_entropy(delta)) return max(rate, 0) # 参数设置 L np.linspace(0, 200, 100) C_values [1.0, 0.9, 0.75] plt.figure(figsize(10, 6)) for C in C_values: rates [rfi_skr(l, CC) for l in L] plt.plot(L, rates, labelfC {C}) plt.xlabel(Distance (km)) plt.ylabel(Secure Key Rate (bit/pulse)) plt.yscale(log) plt.ylim(1e-8, 1e-3) plt.legend() plt.grid(True, whichboth, alpha0.3) plt.show() # 打印200km处的结果 for C in C_values: r rfi_skr(200, CC) print(fC {C}, 200km密钥率 {r:.3e} bit/pulse)3.3 代码逻辑逐段解释先看binary_entropy函数。这一步看似不起眼但实际仿真里最容易翻车的地方就在这里。当误码率接近0或接近1时熵函数会同时出现log2(0)导致NaN把后续所有数值运算带崩。我用np.clip把输入限制在(1e-12, 1-1e-12)区间内保证稳定性。这种做法在仿真层面完全够用实际安全性分析时需要对边界情况做更严格的处理但作为性能估算足够了。再看rfi_skr函数。信道透过率t的计算很直接40dB损耗就是1e-4的透过率。增益q_z用的是弱相干态的近似模型1 - (1 - t*eta_d*mu)*(1 - 2*pd)。这个公式的意思是Bob端至少探测到一个光子的概率减去暗计数带来的本底。200km下teta_dmu约为1.6e-5暗计数项约2e-8暗计数占比约千分之一也就是说在这个参数体系下200km链路主要受限于信道损耗而不是探测器噪声。误码率e_z的公式里光学误码贡献正比于信号计数暗计数贡献近似为pd/2因为暗计数随机触发有一半概率落在错误的探测端口。200km下计算得到e_z约为0.0106这个值远低于11%的安全阈值所以Z基本身的误码不是瓶颈。关键在相位误差δ的推导。if C 0.5这个判断很重要当C值低于0.5时3C/2 - 1会变成负数开根号直接出错。物理意义上C值过低说明参考系漂移太严重或者X/Y基数据太差此时协议无法保证安全直接置δ0.5让最终密钥率为0。这既是数值保护也是协议逻辑的正确体现。最后密钥率公式里0.5的系数很多人会漏掉。这是RFI协议中Z基成码占比带来的效率损失。虽然Alice可以只用Z基制备光子但Bob如果只用Z基接收X/Y基数据就缺失无法计算C值。所以必须留出一部分时间来发送X基和Y基探测信号这部分资源不计入成码于是整体效率就折半了。3.4 仿真结果解读我按上面的参数跑了一遍结果在200km处C值200km密钥率(bit/pulse)能否安全成码1.0约1.85e-6可以0.9约7.9e-7可以0.750不可以这个结果非常典型地反映了RFI-QKD的特性C1.0对应参考系几乎无漂移此时密钥率约1.85e-6对应每秒约百万脉冲的光源成码率约1.85bit/s这在40dB损耗下已经是不错的水平。C降到0.9时密钥率直接砍半说明C值对性能的影响极其敏感。C0.75时完全无法成码这也印证了RFI协议对参考系稳定的底线要求。从曲线走势看随着距离增加密钥率快速下降20km到200km之间跨越了大约三个数量级。这主要是光纤透过率指数衰减导致的。如果你把C值从1.0降到0.9曲线整体下移但形状不变说明距离和C值对密钥率的影响基本可分离这为系统设计提供了便利先通过链路预算确定距离上限再通过参考系稳定性确定C值能否支撑。4. 性能分析与优化方向让200km密钥率再往前推一步4.1 暗计数到底多大影响我在仿真中使用pd1e-8这是SNSPD的典型暗计数水平。如果换成普通InGaAs APD探测器暗计数率通常在1e-6到1e-7这个量级200km下暗计数贡献会超过信号计数的1%导致误码率上升最终密钥率大幅下降。可以用代码快速验证一个对比把pd改成1e-6其他参数不变200km处即使C1.0密钥率也会降到接近零。这说明长距离QKD系统中探测器暗计数是真正的“隐形杀手”。很多论文里报的“200km以上密钥分发”用的几乎都是SNSPD或类似的超低暗计数探测器这不是没有原因的。4.2 光源平均光子数μ的取舍mu这个参数很有意思。理论上mu越大接受效率越高但mu太大会增加多光子概率给Eve提供光子分裂攻击的机会。仿真中虽然没有显式建模多光子攻击但GLLP框架本质上约束了mu的上限。我在仿真中默认mu0.2这个值在学术文献中比较常见。你可以试着把mu提高到0.5密钥率会明显上升因为信号计数增加但在0.2dB/km的长距离场景下多光子引起的安全性退化会慢慢显现。实际系统中mu的选择需要结合信道损耗动态优化而不是固定一个值。4.3 优化设计建议总结综合来看200km四态RFI-QKD系统要拿到正密钥率我的建议是探测器必须是SNSPD级别暗计数至少低于1e-8否则200km基本没有希望。光学误码率控制在0.01以下光纤接头和偏振控制器的质量直接影响这个参数。参考系漂移需要控制在较小范围内确保C值不低于0.9否则密钥率会急剧下降。光源平均光子数根据实际链路损耗动态调整损耗越大mu可以适当提高但不能无限增加。5. 实操中的坑与排查技巧5.1 常见问题速查问题现象可能原因排查方法200km处密钥率为0C值设置低于0.5检查C值是否在合理范围默认C1.0测试计算结果出现NaN熵函数遇到0或1检查e_z是否越界binary_entropy里加np.clip距离越近密钥率反而降低暗计数占比上升pd设置过大尝试pd1e-8或更低C值稍微下降就断崖式掉密钥率相位误差δ对C值敏感绘制δ-C曲线确认工作点在稳定区密钥率曲线不光滑数值精度问题距离步长加密或使用高精度浮点数5.2 仿真中容易忽略的细节第一个坑是密钥率公式中熵函数的定义域。e_z在低损耗区间很小但一旦计算误差让它变成负值熵函数直接返回NaN。我之前在快速原型脚本里踩过这个坑排查了半天发现是某个中间变量由于浮点精度问题变成了-1e-17。第二个坑是0.5的成码系数。如果你只做BB84仿真成码系数可能是1/2也可能是其他值但RFI协议中X/Y基消耗的资源是必须纳入考虑的。有人从BB84代码改到RFI时漏掉这个系数导致结果虚高和实验数据对不上。第三个坑藏在C值的物理含义里。C值不是随便拍的参数它必须由X/Y基的实测数据推导出来。仿真中可以手动指定C值但做实验数据分析时C值估算的置信区间也会影响最终密钥率。更严谨的做法是引入有限码长效应考虑C值估计的统计涨落但这会让代码复杂度上一个台阶。写在最后的个人体会跑完这组仿真后我对RFI-QKD在长距离场景下的定位有了更实际的判断它并不是普通QKD的替代品而是参考系不稳定场景下的“救火队员”。200km的链路损耗本身已经很苛刻再加上参考系漂移普通BB84大概率会直接在误码率阈值上卡死。RFI-QKD的优势在于只要C值撑得住它就能在这种极限信道下继续产密钥。实际做项目选型时如果链路短且参考系稳定直接上BB84更省资源如果链路长、环境复杂、参考系漂移不可控RFI-QKD才是真正能落地的方案。另外我强烈建议你跑完这组代码后把C值从1.0到0.5每隔0.05扫一遍观察密钥率的下降曲线你会对“参考系无关”到底有多“无关”有非常直观的感受。本文还有配套的精品资源点击获取 参考系无关QKD 200km仿真：四态协议与密钥率模型解析
简介一份聚焦四态参考系无关量子密钥分发RFI-QKD协议的实现与性能分析资源面向具备量子信息基础与Python编程能力的研究人员、工程师适用于QKD协议开发、安全性评估及长距离量子加密方案设计。压缩包含1个PDF文件大小756KB虽体量精简但覆盖完整复现代码与推导说明。已有62人学习浏览。内容从论文标题、协议数学定义到信道传输效率、误码率估算、C参数计算、安全密钥率等模块逐一展开并附可运行的Python实现类便于调整距离、损耗、误码率等参数复现200km实验场景同时对比四态RFI-QKD与三态BB84协议突出参考系无关与信道表征优势。适合需要深入理解协议机理并快速上手仿真的研究者。 说实话看到“RFI-QKD 200km仿真”这种标题我第一反应是这又是一堆公式推导复制粘贴。但真正上手做协议仿真之后才发现最磨人的根本不是公式本身而是“参考系无关”这个特性在代码里怎么体现、200km这种损耗量级下密钥率还能不能撑住、以及C值估计偏差对安全性的影响到底有多大。这篇文章我不打算堆理论而是把一套能直接跑出结果的Python仿真代码拆开讲透聚焦在四态实现、密钥率模型和距离-性能优化这三个点上。1. 为什么需要RFI-QKD从“校准参考系”这个痛点说起1.1 标准QKD的隐藏前提做量子密钥分发的人都知道BB84协议在理想条件下没问题但一到实际光纤链路就暴露一个很尴尬的工程前提Alice和Bob必须先把各自的测量参考系对齐。偏振编码的场景下就是偏振轴要对齐相位编码的场景下就是相位基准要对齐。光纤在野外环境受温度变化、振动、风吹等因素影响参考系会缓慢漂移严重的时候一小时内偏振旋转十几度都很正常。参考系一漂移Bob测到的误码率就会同步上升。BB84里误码率一旦超过某个阈值一般是11%左右为了安全必须放弃成码。于是系统就得频繁中断重新做参考系校准这在高损耗长距离链路上特别致命——本来信号就弱再为校准消耗时间和资源有效成码率会进一步下降。RFI-QKDReference-Frame-Independent QKD就是专门针对这个问题设计的。它的核心思想不是“把参考系校准做得更准”而是“即使参考系在整个通信过程中缓慢漂移只要漂移量在协议允许范围内密钥照样能成”。换句话说它把“对齐参考系”这个硬性工程前提降级成了“知道参考系大概稳定即可”的软性条件。1.2 RFI协议的核心思路RFI-QKD不需要在通信过程中实时追踪参考系的具体角度而是在后处理阶段用一组额外的测量数据来估计参考系偏移带来的“信息泄露上限”。只要Eve对密钥信息的掌握程度低于某个界合法通信双方就能通过纠错和隐私放大得到安全的密钥。这里比较关键的一点是RFI协议并不假设参考系固定不变它只假设参考系在一个足够长的时间窗口内近似稳定并且Eve不能利用参考系的漂移来获取额外信息。这个假设在绝大多数实际光纤链路中都能满足因为偏振或相位的漂移再快也是有限的不会出现几微秒内随机跳变的极端情况。从实现角度看RFI协议比标准BB84多付出的代价是需要用额外的测量基来估计参考系相关的参数。这就是四态方案和六态方案的分水岭——六态自然更精确但制备和测量复杂度高四态在工程上明显更友好代价是某些估算精度略低。200km这种长距离场景资源寸土寸金我更倾向于用四态方案。2. 四态RFI-QKD协议拆解编码、基选择与参数估计2.1 三组基到底在干什么四态RFI-QKD的偏振编码结构我习惯用这三组基来理解Z基承担成码任务X基和Y基承担参考系估计任务。Alice制备的单光子态从Z基的H/V两个态中随机选择或者从X基的/-两个态中随机选择。如果Alice选了Z基Bob也恰好用Z基测量那么这个结果就进入成码序列。如果Alice选了X基Bob测量基也是X基那么这个结果用来估算X基条件下的误码率。Y基虽然也参与测量但它在四态方案里不承担成码只用来和X基数据一起计算参考系无关的“C值”。这里有个很容易混淆的点在六态RFI-QKD中Alice需要制备三组MUB中的态而四态方案只需要制备两组基Z和X的四个态Y基数据其实是通过改变Bob的测量角度或者事后对X基数据进行变换得到的。这样做的直接好处是Alice端的调制器只需要支持两种基的切换硬件成本降低码率也不会因为多一组基的制备而降低太多。从工程角度看四态方案最值得注意的一点是它牺牲了对参考系漂移的“完全免疫”能力。四态方案对参考系漂移的容忍上限大约是45度六态方案理论上可以做到更大一些。但实际光纤链路中偏振漂移通常远小于这个范围所以四态方案在性价比上更占优。2.2 C值与相位误差安全性的“枢纽”RFI-QKD中真正决定安全性上界的不是某个基的误码率而是由X/Y基数据综合计算出来的C值。C值的物理含义是参考系偏移程度对X基和Y基相关性的综合影响。用偏振编码来理解如果Alice和Bob的参考系完全对齐X基测量应该呈现完美的相关性一旦参考系旋转了一个角度βX基的相关性下降Y基的相关性则发生变化。C值把这两个基的相关性做了平方求和从而得到一个不依赖β的统计量——这就是“参考系无关”四个字的数学来源。在安全性分析中C值被用来计算相位误差上界δ。相位误差无法直接测量但可以绑定到C值上。C值越接近2理论最大值说明参考系偏移越小相位误差越小Eve能利用的漏洞越少C值一旦跌破某个阈值密钥率会直接掉到零。这里必须强调一点C值估算的准确性对最终安全密钥率影响极大。如果X/Y基的计数统计量太少C值估计会有较大波动就会导致我们在明明可以成码的情况下选择保守弃码浪费信道资源反过来如果高估C值则会高估安全性这是绝对不允许的。所以实际仿真和实验里X/Y基的采样占比不能太低这也是为什么RFI协议的整体成码率会比BB84低一截的原因。2.3 与六态RFI-QKD的取舍我见过不少人一上来就做六态RFI-QKD理由是理论更完善、安全性界更紧。但落到200km这种损耗接近40dB的实际场景六态方案的劣势会被放大额外的基制备和测量意味着更低的成码效率而长距离下本来就微弱的光子计数会进一步变稀疏C值估计更不稳定。四态方案的优势在于它在“参考系无关能力”和“成码效率”之间取了一个更实用的平衡点。对于工程演示和系统原型验证来说四态方案完全够用而且代码和硬件实现都更简洁。如果你后续要发论文也可以先在四态方案上验证整个分析框架再迁移到六态方案做更严格的界。3. 200km仿真密钥率计算模型与代码实现3.1 信道模型与主要参数在写代码之前先把仿真模型说清楚。我用的是典型光纤QKD模型假设Alice端为弱相干光源Bob端为单光子探测器。密钥率公式采用无限码长近似下的GLLP型公式R 0.5 × Q_Z × [1 - h(e_Z) - f × h(e_Z) - h(δ)]其中0.5是因为Z基成码效率因子Alice和Bob随机选基只有基一致的部分进入成码流程而在RFI中Z基占比约一半Q_Z是Z基的增益e_Z是Z基误码率h(x)是二进制香农熵函数f是纠错效率δ是由C值决定的相位误差上界。信道损耗用α0.2dB/km200km对应40dB总损耗。这个损耗量级下标准单光子源方案基本已经到极限了必须配合高探测效率的超导纳米线探测器SNSPD。我在这里把探测器效率设为0.8暗计数率设为1e-8光学误码率设为0.01这些参数对标目前商用SNSPD的性能水平。3.2 Python仿真代码下面给出完整可运行的仿真代码。import numpy as np import matplotlib.pyplot as plt def binary_entropy(x): 二进制香农熵定义域保护避免nan x np.clip(x, 1e-12, 1 - 1e-12) return -x * np.log2(x) - (1 - x) * np.log2(1 - x) def rfi_skr(L, mu0.2, eta_d0.8, pd1e-8, e_opt0.01, alpha0.2, f1.16, C1.0): 计算四态RFI-QKD在距离Lkm下的安全密钥率。 L: 光纤长度km mu: 光源平均光子数 eta_d: Bob端探测器效率 pd: 探测器暗计数率 e_opt: 光学误码率系统校准误差 alpha: 光纤损耗系数 dB/km f: 纠错效率 C: 参考系无关参数由X/Y基数据估算 t 10 ** (-alpha * L / 10) # Z基增益弱相干态 暗计数贡献 q_z 1 - (1 - t * eta_d * mu) * (1 - 2 * pd) # Z基误码率光学误码 暗计数噪声 e_z (e_opt * t * eta_d * mu pd * 0.5) / q_z # 由C值推导相位误差上界delta if C 0.5: delta (1 - np.sqrt(3 * C / 2 - 1)) / 2 else: delta 0.5 # C值过低无条件成码 # GLLP型密钥率公式 rate 0.5 * q_z * (1 - binary_entropy(e_z) - f * binary_entropy(e_z) - binary_entropy(delta)) return max(rate, 0) # 参数设置 L np.linspace(0, 200, 100) C_values [1.0, 0.9, 0.75] plt.figure(figsize(10, 6)) for C in C_values: rates [rfi_skr(l, CC) for l in L] plt.plot(L, rates, labelfC {C}) plt.xlabel(Distance (km)) plt.ylabel(Secure Key Rate (bit/pulse)) plt.yscale(log) plt.ylim(1e-8, 1e-3) plt.legend() plt.grid(True, whichboth, alpha0.3) plt.show() # 打印200km处的结果 for C in C_values: r rfi_skr(200, CC) print(fC {C}, 200km密钥率 {r:.3e} bit/pulse)3.3 代码逻辑逐段解释先看binary_entropy函数。这一步看似不起眼但实际仿真里最容易翻车的地方就在这里。当误码率接近0或接近1时熵函数会同时出现log2(0)导致NaN把后续所有数值运算带崩。我用np.clip把输入限制在(1e-12, 1-1e-12)区间内保证稳定性。这种做法在仿真层面完全够用实际安全性分析时需要对边界情况做更严格的处理但作为性能估算足够了。再看rfi_skr函数。信道透过率t的计算很直接40dB损耗就是1e-4的透过率。增益q_z用的是弱相干态的近似模型1 - (1 - t*eta_d*mu)*(1 - 2*pd)。这个公式的意思是Bob端至少探测到一个光子的概率减去暗计数带来的本底。200km下teta_dmu约为1.6e-5暗计数项约2e-8暗计数占比约千分之一也就是说在这个参数体系下200km链路主要受限于信道损耗而不是探测器噪声。误码率e_z的公式里光学误码贡献正比于信号计数暗计数贡献近似为pd/2因为暗计数随机触发有一半概率落在错误的探测端口。200km下计算得到e_z约为0.0106这个值远低于11%的安全阈值所以Z基本身的误码不是瓶颈。关键在相位误差δ的推导。if C 0.5这个判断很重要当C值低于0.5时3C/2 - 1会变成负数开根号直接出错。物理意义上C值过低说明参考系漂移太严重或者X/Y基数据太差此时协议无法保证安全直接置δ0.5让最终密钥率为0。这既是数值保护也是协议逻辑的正确体现。最后密钥率公式里0.5的系数很多人会漏掉。这是RFI协议中Z基成码占比带来的效率损失。虽然Alice可以只用Z基制备光子但Bob如果只用Z基接收X/Y基数据就缺失无法计算C值。所以必须留出一部分时间来发送X基和Y基探测信号这部分资源不计入成码于是整体效率就折半了。3.4 仿真结果解读我按上面的参数跑了一遍结果在200km处C值200km密钥率(bit/pulse)能否安全成码1.0约1.85e-6可以0.9约7.9e-7可以0.750不可以这个结果非常典型地反映了RFI-QKD的特性C1.0对应参考系几乎无漂移此时密钥率约1.85e-6对应每秒约百万脉冲的光源成码率约1.85bit/s这在40dB损耗下已经是不错的水平。C降到0.9时密钥率直接砍半说明C值对性能的影响极其敏感。C0.75时完全无法成码这也印证了RFI协议对参考系稳定的底线要求。从曲线走势看随着距离增加密钥率快速下降20km到200km之间跨越了大约三个数量级。这主要是光纤透过率指数衰减导致的。如果你把C值从1.0降到0.9曲线整体下移但形状不变说明距离和C值对密钥率的影响基本可分离这为系统设计提供了便利先通过链路预算确定距离上限再通过参考系稳定性确定C值能否支撑。4. 性能分析与优化方向让200km密钥率再往前推一步4.1 暗计数到底多大影响我在仿真中使用pd1e-8这是SNSPD的典型暗计数水平。如果换成普通InGaAs APD探测器暗计数率通常在1e-6到1e-7这个量级200km下暗计数贡献会超过信号计数的1%导致误码率上升最终密钥率大幅下降。可以用代码快速验证一个对比把pd改成1e-6其他参数不变200km处即使C1.0密钥率也会降到接近零。这说明长距离QKD系统中探测器暗计数是真正的“隐形杀手”。很多论文里报的“200km以上密钥分发”用的几乎都是SNSPD或类似的超低暗计数探测器这不是没有原因的。4.2 光源平均光子数μ的取舍mu这个参数很有意思。理论上mu越大接受效率越高但mu太大会增加多光子概率给Eve提供光子分裂攻击的机会。仿真中虽然没有显式建模多光子攻击但GLLP框架本质上约束了mu的上限。我在仿真中默认mu0.2这个值在学术文献中比较常见。你可以试着把mu提高到0.5密钥率会明显上升因为信号计数增加但在0.2dB/km的长距离场景下多光子引起的安全性退化会慢慢显现。实际系统中mu的选择需要结合信道损耗动态优化而不是固定一个值。4.3 优化设计建议总结综合来看200km四态RFI-QKD系统要拿到正密钥率我的建议是探测器必须是SNSPD级别暗计数至少低于1e-8否则200km基本没有希望。光学误码率控制在0.01以下光纤接头和偏振控制器的质量直接影响这个参数。参考系漂移需要控制在较小范围内确保C值不低于0.9否则密钥率会急剧下降。光源平均光子数根据实际链路损耗动态调整损耗越大mu可以适当提高但不能无限增加。5. 实操中的坑与排查技巧5.1 常见问题速查问题现象可能原因排查方法200km处密钥率为0C值设置低于0.5检查C值是否在合理范围默认C1.0测试计算结果出现NaN熵函数遇到0或1检查e_z是否越界binary_entropy里加np.clip距离越近密钥率反而降低暗计数占比上升pd设置过大尝试pd1e-8或更低C值稍微下降就断崖式掉密钥率相位误差δ对C值敏感绘制δ-C曲线确认工作点在稳定区密钥率曲线不光滑数值精度问题距离步长加密或使用高精度浮点数5.2 仿真中容易忽略的细节第一个坑是密钥率公式中熵函数的定义域。e_z在低损耗区间很小但一旦计算误差让它变成负值熵函数直接返回NaN。我之前在快速原型脚本里踩过这个坑排查了半天发现是某个中间变量由于浮点精度问题变成了-1e-17。第二个坑是0.5的成码系数。如果你只做BB84仿真成码系数可能是1/2也可能是其他值但RFI协议中X/Y基消耗的资源是必须纳入考虑的。有人从BB84代码改到RFI时漏掉这个系数导致结果虚高和实验数据对不上。第三个坑藏在C值的物理含义里。C值不是随便拍的参数它必须由X/Y基的实测数据推导出来。仿真中可以手动指定C值但做实验数据分析时C值估算的置信区间也会影响最终密钥率。更严谨的做法是引入有限码长效应考虑C值估计的统计涨落但这会让代码复杂度上一个台阶。写在最后的个人体会跑完这组仿真后我对RFI-QKD在长距离场景下的定位有了更实际的判断它并不是普通QKD的替代品而是参考系不稳定场景下的“救火队员”。200km的链路损耗本身已经很苛刻再加上参考系漂移普通BB84大概率会直接在误码率阈值上卡死。RFI-QKD的优势在于只要C值撑得住它就能在这种极限信道下继续产密钥。实际做项目选型时如果链路短且参考系稳定直接上BB84更省资源如果链路长、环境复杂、参考系漂移不可控RFI-QKD才是真正能落地的方案。另外我强烈建议你跑完这组代码后把C值从1.0到0.5每隔0.05扫一遍观察密钥率的下降曲线你会对“参考系无关”到底有多“无关”有非常直观的感受。本文还有配套的精品资源点击获取