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-QKD（Reference-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β，X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α=0.2dB/km，200km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, mu=0.2, eta_d=0.8, pd=1e-8, e_opt=0.01, alpha=0.2, f=1.16, C=1.0): """ 计算四态RFI-QKD在距离L（km）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, C=C) for l in L] plt.plot(L, rates, label=f'C = {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, which='both', alpha=0.3) plt.show() # 打印200km处的结果 for C in C_values: r = rfi_skr(200, C=C) print(f'C = {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δ=0.5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：

这个结果非常典型地反映了RFI-QKD的特性：C=1.0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。C=0.75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pd=1e-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C=1.0，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mu=0.2，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

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