25a31a4353/quantum-secure-communication-system

# 量子安全通信系统 **开发者：Medicharla Shanmukheswar** 一个高影响力的黑客松项目，展示了量子安全通信。我们利用 Qiskit 通过量子叠加态的坍缩创造真正的随机性，提供不可破解的异或密钥流。该项目实时可视化加密过程，并模拟 AI 驱动的攻击，比较古典伪随机数生成器（PRNG）的可预测性与量子真随机数生成器（TRNG）的不可预测性。 ## 核心功能 1. **量子密钥生成**：集成 `qiskit` 和 `qiskit-aer` 来测量叠加态并提取真正的随机比特。 2. **实时加密**：通过位运算异或（XOR）直接将量子密钥应用于消息。 3. **攻击模拟**：运行统计预测场景，展示古典随机性与量子随机性之间的弱点对比。 4. **AI 消息分类器**：基于 Scikit-Learn 的多项式朴素贝叶斯模型，可检测传输消息中的 `安全`、`垃圾` 或 `敏感` 信息。 ## 技术栈 * **后端**：Python, Flask * **量子工具包**：Qiskit, Qiskit-Aer * **AI/ML**：Scikit-Learn * **前端**：HTML5, Vanilla JS, 自定义 CSS（暗色主题、玻璃拟态） ## 本地演示运行说明 ### 1. 前置条件 请确保已安装 Python 3.8+。 ### 2. 安装依赖包 在项目目录中运行以下命令： ``` pip install -r requirements.txt ``` ### 3. 启动服务 通过以下命令启动 Flask 后端： ``` python app.py ``` ### 4. 打开应用 在浏览器中访问 `http://127.0.0.1:5000`。 *由 Medicharla Shanmukheswar 为量子黑客松开发。

标签：AI驱动攻击, Flask, HTML5前端, Medicharla Shanmukheswar, PRNG安全性, Python后端, Qiskit, Scikit-Learn, TRNG安全性, XOR加密, 信息分类, 可演示加密, 后量子密码, 垃圾邮件检测, 安全/垃圾/敏感分类, 实时加密, 攻击模拟, 未来加密, 朴素贝叶斯, 流密码, 玻璃拟态, 真随机数生成, 端到端加密, 经典安全对比, 统计预测, 逆向工具, 量子叠加, 量子安全, 量子安全通信, 量子密钥分发, 量子随机数, 量子黑客马拉松, 驱动签名利用, 黑暗主题