本发明涉及北斗与量子通信，具体涉及一种基于深度学习检测量子随机数生成器的北斗短报文保密通信方法。
背景技术：
1、北斗卫星具有短报文通信的功能，北斗短报文通信覆盖范围广，无通信盲区，具有远距离通信能力；在紧急情况和没有其他通信条件时，使用北斗短报文通信可以完成恶劣通信环境下的信息传输；随着通信保密需求的升级，以及量子计算的到来，实现北斗卫星短报文的高安全性加密通信成为当前急需考虑的问题。
2、量子随机数生成器作为信息安全的基础部件，使用量子随机数生成器产生的量子真随机数作为密钥对北斗短报文通信系统的安全性至关重要，在提升数据加密的安全级别的同时，还能有效融合北斗短报文的民用状态下对通信频率限制和通信内容限制的一般条件；通过将量子随机数生成器的输出序列充注到北斗设备的内存单元中，在每次通信时，北斗设备从其内存单元中提取和短报文内容相同字节的量子随机数序列作为密钥，将量子真随机数与北斗短报文长度字节按位进行异或运算，能够有效缓解北斗短报文的传输资源，并且提升北斗转发信息发布的实效性，有效保证加密过程数据的完整性和短报文数据的安全性。
3、随机数生成器一直是经典密码学的重要组部分；然而，伪随机数生成器的经典密码系统极易受到各种依赖于系统组件和数学算法的对抗性攻击，与采用确定性方法的伪随机数生成器不同，量子随机数生成器利用量子力学的内在随机性产生真正的随机数；通过观察量子系统的状态，如光子的极化或电子的自旋，产生的随机数将是随机和不可预测的，这些结果可以用来产生真正的随机性；量子随机数生成器输出的随机数序列在理论上的底层物理机制是量子真随机的，但是其质量取决于后处理过程，在使用经典器件对量子随机性进行提取的过程中会不可避免的引入经典噪声，使得输出的随机性往往并不是真正的量子随机数。
4、任何规律都会影响量子随机数生成器的安全性，因此，在北斗短报文保密通信的实际应用中，评估量子随机数生成器输出的随机性是至关重要的；传统针对伪随机数的检测手段大多采用基于复杂的数学模型和统计检验等方法，而量子世界特有的性质确保了其不同于经典世界，具有内禀随机性，传统检测方法对于量子内在固有的随机性的检验很难准确描述，通过神经网络的深度学习能够从大量的输出序列中学习和进行特征提取，得到具有相关性的序列，在检测量子随机数生成器的输出序列时能够避免数学检测方法存在的局限性，可以更好的描述量子世界中随机数的不可预测性。
5、使用深度学习方法对量子随机数生成器进行密码学评估，将不存在相关性的随机数序列作为可信量子随机数充注到通信双方的北斗设备的内存单元中，作为量子随机数会话密钥对北斗短报文进行加密；由于目前许多随机数序列的检测手段只在专业应用范围内存在通用性和普遍性，因此本发明研究设计出一种基于深度学习检测量子随机数生成器的北斗短报文保密通信方法，进一步增强北斗短报文的通信安全。
技术实现思路
1、因此，本发明要解决的技术问题在于克服现有技术中的量子随机数生成器的北斗短报文通信过程中信息安全传输中，随机数序列是不可预测的量子真随机数导致其影响通信安全的缺陷，从而提供一种基于深度学习检测量子随机数生成器的北斗短报文保密通信方法。
2、为了解决上述问题，本发明提供一种基于深度学习检测量子随机数生成器的北斗短报文保密通信方法，包括以下步骤：
3、s1：构建深度学习bi-lstm模型；
4、s2：将量子随机数生成器输出的随机数序列输入所述深度学习bi-lstm模型进行检测，得到检测准确率；
5、对同样的随机数序列进行统计分析，得到猜测概率；
6、s3：根据所述猜测概率与检测准确率，判断所述随机数序列的可预测性，若判断结果为所述随机数序列的不可预测，则该随机数序列可以用于北斗短报文保密通信中的会话秘钥；
7、s4：使用检测后的所述随机数序列对北斗短报文保密通信。
8、优选地，所述深度学习bi-lstm模型包括输入层、bi-lstm层以及输出层；
9、所述输入层用于对输入的数据进行预处理；
10、所述bi-lstm层包括前向lstm神经网络和后向lstm神经网络，用于对预处理后的数据分别进行正向和反向计算，提取其中的数据信息，得到数据预测值；
11、所述输出层用于将数据预测值和数据真实值进行比较，得到检测准确率。
12、优选地，所述数据的预处理包括：根据北斗短报文的通信长度，对输入数据进行分组，并对分组后的数据进行独热编码。
13、优选地，所述前向lstm神经网络按照输入序列提取数据信息，所述后向lstm神经网络按照输入序列的逆序提取数据信息。
14、优选地，所述输出层对经过bi-lstm层处理的数据进行拟合，以softmax函数作为激活函数，使用多分类损失函数，通过将预测值与真实值进行比较，得到深度学习模型的检测准确率pd。
15、优选地，所述s2中猜测概率为：其中，pg为猜测概率，为随机变量在序列px中出现的概率。
16、优选地，所述s2中检测准确率与猜测概率的判定方法为：
17、通过深度学习模型的检测准确率pd与量子随机数生成器输出分布的猜测概率pg进行对比，若pd>pg，则量子随机数生成器输出的该随机序列是存在相关性的，不是真正的量子随机数；否则，该量子真随机数序列可以用于北斗短报文保密通信中的会话密钥。
18、优选地，对所述检测准确率与猜测概率的判定方法进一步评估为：
19、当检测准确率与猜测概率相同，说明深度学习模型的检测结果具有的真实性；当猜测概率高于检测准确率，意味着基于神经网络的深度学习模型在对存在潜在的相关性随机数序列检测时，具有更好的评估性能。
20、优选地，所述s3中，把深度学习检测后的可信量子随机数序列预置到北斗设备内存单元中，在北斗用户作为发送端进行短报文通信时，从本机设备的内存单元提取需要长度的量子随机数序列，对加密后的密文成为入站短报文并发送到北斗卫星，北斗卫星转发到地面的控制中心进行报文解析和格式封装，再次发送到北斗卫星进行消息广播，另一个作为接收端的北斗用户将该短报文通过北斗天线接收到本设备，再次使用预置的相同可信量子随机数序列与密文异或解密。
21、优选地，所述s3中，通过对密文使用相同的随机数密钥进行简单按位异或操作，得到原始的短报文信息，完成北斗短报文的加解密通信。
22、本发明提供的一种基于深度学习检测量子随机数生成器的北斗短报文保密通信方法具有如下有益效果：
23、本发明通过深度学习bi-lstm模型评估量子随机数生成器的输出序列，使用神经网络来评估量子随机性和提取具有相关性的经典噪声，能够比传统检测方式更好的评估量子随机数生成器的安全性；通过检验的随机数序列充注到北斗短报文用户的内存单元中，作为会话密钥对短报文通信报文进行加密，完成报文入站，报文出站以及解密得到原始明文，进一步提高基于量子随机数生成器设备的北斗短报文保密通信的安全性。