Deep learning based optimization of underwater quantum key distribution systems
Sualtı kuantum anahtar dağıtım sistemlerinin derin öğrenme tabanlı optimizasyonu
- Tez No: 858767
- Danışmanlar: PROF. DR. MURAT UYSAL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 64
Özet
Yüksek hesaplama kapasitesine sahip kuantum bilgisayarlarındaki hızlı ilerlemeler, klasik kriptografi yöntemlerinin kullanımıyla ilgili endişeleri artırmıştır. Gelişmiş kuantum hesaplama çağına girdiğimizde, kablosuz sistemlerde yaygın olarak kullanılan geleneksel anahtar üretme yöntemleri önemli güvenlik açıklarıyla karşılaşacaktır. Bu yöntemler, onları güçlü bilgisayarların saldırılarına açık hale getiren hesaplama karmaşıklığı varsayımlarına dayanır. Buna karşılık, QKD tekniği, kuantum mekaniği prensiplerini kullanarak teorik olarak koşulsuz bir güvenlik düzeyi sağlama yeteneğine sahiptir. QKD'nin ortaya çıkan uygulamalarından biri, denizaltından denizaltıya iletişim, AUV veri aktarımı, USN veri füzyonu vb. gibi denizcilik görevlerinde kuantum güvenli iletişim sağlamaktır. Bu çalışmada, su altı QKD sistemlerini zaman geçitli SPAD ile ele alıyor ve kapsamlı bir performans analizi ve optimizasyon sunuyoruz. Bu araştırmanın temel katkısı, su altı kanallarında farklı sistem ve alıcı-verici parametrelerine göre BB84 protokolü olarak bilinen QKD protokolünün QBER performansını incelemektir. Amacımız, QBER performans metriğini en aza indirmek için bit süresi ve FoV parametrelerini optimize etmektir. Çalışmamız, su altı QKD sistemlerinde optimal geçit süresini belirleme konusunda, optimal bit süresi ve FoV temel alınarak kapsamlı bir analiz sunmaktadır. Yayın gecikmesi ve varış açısı sonuçlarının dikkatli bir analiziyle, ortalama alınan foton sayısı ile arka plan gürültüsü arasında denge kurarak bit süresini ve FoV'yi belirlendi. Ardından, önceki adımlardan elde edilen uygun bit süresi ve FoV kullanılarak QBER'yi en aza indirmek anlamında optimal geçit sürelerini belirlendi. Bu optimizasyon süreciyle ilişkilendirilen hesaplama karmaşıklığı göz önüne alındığında, bit süresi ve FoV'nin belirlenmesinde etkili olan en önemli alıcı-verici ve kanal parametreleri belirlendi ve sistem optimizasyonu için derin öğrenme modeli kullanıldı. İlk olarak, olası senaryoların bir alt kümesi için Monte Carlo simulasyonları gerçekleştirildi ve bu simulasyonlar üzerinde derin öğrenme modeli eğitildi. Sonra, bu model su altı senaryoların'da optimum değerleri çıkarmak için kullanıldı.
Özet (Çeviri)
The rapid advancements on quantum computers with high computational capabilities have raised concerns regarding the use of classical cryptography methods. As we enter the era of advanced quantum computing, traditional key generation methods commonly used in wireless systems will encounter substantial security vulnerabilities. These methods rely on computational complexity assumptions, which render them susceptible to attacks by powerful computers. In contrast, Quantum Key Distribution (QKD) technique leverages the principles of quantum mechanics, enabling it to provide a high level of security that is theoretically unconditional. One of the emerging applications of QKD is to provide quantum-secure communication in maritime missions, such as submarine-to-submarine communication, autonomous underwater vehicle (AUV) data offloading, underwater sensor network (USN) data fusion, etc. In this study, we consider underwater QKD systems with time-gated single photon avalanche photodiode (SPAD) and present a comprehensive performance analysis and optimization. The main contribution of this research study is to investigate the quantum bit error rate (QBER) performance of the well-known QKD protocol, namely the BB84 protocol, with respect to different system and transceiver parameters in underwater channels. Our aim is to optimize the bit time and field of view (FoV) parameters in order to minimize the QBER performance metric. Through a meticulous analysis of the propagation delay and angle of arrival results, we determine the bit time and FoV, respectively, by striking a balance between the average number of received photons and background noise. Furthermore, our study provides critical insights into determining the optimal gate time in an underwater QKD system based on the optimal bit time and FoV to minimize the QBER. Given the inherent computational complexity associated with this optimization process, we identify the most influential transceivers and channel parameters that exert an impact on the determination of bit time and FoV, and utilize a deep learning model for the system optimization. We first perform Monte Carlo simulations for a subset of possible scenarios and train the deep learning model on them. Then, we use this model to extract the optimum values for possible underwater scenarios.
Benzer Tezler
- Panoramik görüntüler üzerinden su altı hedef tespiti: DBSCAN ve derin öğrenme ağları ile bütünleşik bir yaklaşım
Underwater target detection via panoramic images: An integrated approach with DBSCAN and deep learning networks
FATMA KÜBRA AKIN KÜÇÜK
Yüksek Lisans
Türkçe
2024
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. İBRAHİM ÖZKOL
- İnsansız hava aracı (İHA) ve insansız su aracı (İSA) baz istasyonlarının kara ve su altı ağlarda maksimum kapsama sağlayacak şekilde yerleşimi
Localization of unmanned aerial vehicle (UAV) and unmanned water vehicle (UWV) base stations to provide maximum coverage on terrestrial and underwater networks
BERKAY KAHRİMAN
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ MURAT DEMİRTAŞ
PROF. BÜLENT TAVLI
- Stratejik yönetim perspektifinden sigortacılık sektöründe makine öğrenmesi algoritmaları ile anomali tespiti
An application of machine learning to anomaly detection in insurance industry using strategic management approach
AYŞE NURBANU ŞAHAN
Yüksek Lisans
Türkçe
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. TOLGA KAYA
- Meta-sezgisel algoritmalar ile konvolüsyonel sinir ağı mimarisinin hiper parametrelerinin optimizasyonu
Optimization of hyper parameters of convolutional neural network architecture with meta-heuristic algorithms
MUSTAFA YURDAKUL
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Salp sürü optimizasyon algoritması kullanılarak derin öğrenmeye dayalı saldırı tespit sistemi
Deep learning based intrusion detection system using salp swarm optimization algorithm
PINAR AYYILDIZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. OĞUZHAN KARAHAN