量子计算机的攻击手段,量子计算机来了,危机也来了,如何才能阻挡量子计算机的攻击?...

科学家发现了一种新方法来保护数据免受量子计算机的攻击。正如科学家发表在《新物理学》期刊上的那样,随着量子计算机的兴起,我们不能再排除量子计算机将变得如此强大,以至于可以打破现有密码学的可能性。单一的光粒子已经被用来保护数据,但每个光子传输一位的速度很慢。Pepjn Pinkse领导了这项实验,将传输速度提高到每光子7比特,而且计算机使用密码学来保护通信安全。

da53527b162ec7fb2f35fcb5fa937aaa.png

例如,你的手机和银行之间转账的通信必须是安全的,以防止犯罪分子篡改信息并告诉银行将钱转账到不同的银行账户。从理论上讲,量子计算机可以打破现有的密码学。但直到现在,量子计算机可以做任何快速经典计算机做不到的事情的证明是杰出的,这一点我们称之为“量子霸权”。此前谷歌在《自然》期刊上发表论文声称这是“量子霸权”的实验证明,尽管其计算没有实际用途。然而,我们不能再排除量子计算机将变得如此强大,以至于它们能打破现有密码学的可能性。

67c82b34e43200591a87576097b8157c.png

因为有一些已知的量子算法打破了当今最常用的密码学方法。幸运的是,量子技术也提供了解决方案。利用量子密钥分发(QKD),可以在发送者和接收者之间安全地建立秘密密钥,这不是科幻小说。商业QKD系统可从几个供应商处获得,并且已经部署了基于空间的版本。标准的QKD系统使用单一的光粒子处于两种可能的状态之一,例如水平或垂直偏振。这将传输限制为每个光子一位,在某种意义上,光子被编码成只有两个字母的字母表:a和b。

5608dcdb6a64a529fd8319ebc738e1c3.png

科学家现在用一千多个字母增加了这个数字。这增加了对噪声的抵抗力,并潜在地提高了数据速率。通过在10^24个使用过的光子的可能位置,对量子信息进行编码来实现这一点。为了让攻击者很难看到发送的内容,会在两个不同的字母表之间随机切换编码。领导这项实验的Pepjn Pinkse解释说:这就像试图猜测两个会议室里在说什么。一个房间的会议语言是中文,另一个房间的会议语言是荷兰语,但你在进入之前并不知道。

23543e9cb2b7daffdce5a7005858abd0.png

如果一个说荷兰语的人选择了中文房间,他什么都不懂,尽管对于一个说中文的人来说,讲说是非常清楚的。在该方法中,发送者使用两种语言,并在它们之间随机切换。此外,接收者还可以在以一种语言或另一种语言收听之间进行切换。只有在语言一致的情况下,才能传达有用的信息。同时听两种语言是物理学基本定律所禁止的。研究人员将这项技术与非常微弱的光、视频投影仪芯片和现代单光子探测相机一起使用,证明了它们可以在每个光子上传输多达7个安全比特。

e5dd90e8d396a34614f1b0b55d2b586a.png

博科园|研究/来自:特文特大学

参考期刊《新物理学》

DOI: 10.1088/1367-2630/ab5cbe

博科园|科学、科技、科研、科普

特别声明:以上文章内容仅代表作者本人观点,不代表新浪网观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与新浪网联系。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值