Optimierung von Quantenkommunikationsnetzen mittels maschinellen Lernens - QuNET+ML; Teilvorhaben: Netzdienste und Architektur in hybriden Kommunikationsformen

Abstract

Das Projekt hatte das Ziel, den Einsatz der QKD-Technologie (Quantenschlüsselverteilung) in realistischen Netzszenarien voranzutreiben, d.h. die Integration der Technologie in großen, kom-merziellen Netzen mit heterogenen Systemen zu untersuchen, die in verschiedenen Teilbereichen eventuell unterschiedliche QKD-Verfahren und Protokolle verwenden. Dazu zählte die Untersuchung der Technologie bezüglich Architektur und Schnittstellen, insbesondere auch im Hinblick auf ein klassisches Netzwerkmanagement und Netzüberwachung. Für eine Verbesserung der Ausfallsicherheit von QKD Netzen wurden Methoden des maschinellen Lernens (ML) für eine Optimierung von QKD-Geräten und Anomalie Erkennung von Systemparametern eingesetzt. Gemeinsam mit dem Industriepartner InfoSim erfolgte danach eine Proof of Concept Umsetzung der Anomalie Erkennung von QKD Systemparametern unter Einbezug des kommerziellen Netzwerkmanagementsystems „StableNet“. Der Datensatz für diese ML-Anwendungen wurde vom Projektpartner HHI zur Verfügung gestellt und wurde in Zusammenhang mit dem Schlüsselexperiment 2 des Schirmprojekts QuNET gewonnen. Durch diese Proof of Concept Umsetzung konnte gezeigt werden, wie ML-Methoden in Netzwerkmanagementlösungen integriert werden können und so zu Optimierungen in QKD-Netzen beitragen können.