MétaCan
Menu
Retour à la cohorte
Enregistrement W2605691305

Experimental quantum key distribution with source flaws and tight finite-key analysis

2014· article· en· W2605691305 sur OpenAlexaboutno aff
Feihu Xu, Shihan Sajeed, Sarah Kaiser, Zhiyuan Tang, Li Qian, Vadim Makarov, Hoi‐Kwong Lo

Notice bibliographique

RevuearXiv (Cornell University) · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Information and Cryptography
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuantum key distributionBB84Computer scienceKey (lock)Quantum cryptographyImperfectCryptographyState (computer science)Computer securitySecurity analysisMathematical proofProtocol (science)QuantumComputer networkPhysicsQuantum informationMathematicsAlgorithmQuantum mechanics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Institute for Quantum Computing, University of Waterloo, Waterloo, Ontario, N2L 3G1, Canada(Dated: August 19, 2014)Decoy-state quantum key distribution (QKD) is a standard technique in current quantum cryptographic im-plementations. Unfortunately, existing experiments have two important drawbacks: the state preparation isassumed to be perfect without errors and the employed security proofs do not fully consider the finite-key ef-fects for general attacks. These two drawbacks mean that existing experiments are not guaranteed to be securein practice. Here, we perform an experiment that for the first time shows secure QKD with imperfect statepreparations at long distances and achieves rigorous finite -key security bounds for decoy-state QKD againstgeneral quantum attacks in the universally composable framework. We implement both decoy-state BB84 andthree-state protocol on top of a commercial QKD system and generate secure keys over 50 km standard telecomfiber based on a recent security analysis that is loss-tolerant to source flaws. Our work constitutes an importantstep towards secure QKD with imperfect devices.I. INTRODUCTION

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,005
Communication savante0,0010,004
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,155
Écart entre enseignants0,137 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetQuantum Information and CryptographyTravaux en français237 207