Resumen Técnico: SATLOCK

1. Definición del Problema

El enrutamiento de claves criptográficas sobre constelaciones de satélites de Órbita Terrestre Baja (LEO) presenta desafíos únicos que se distinguen de la ingeniería de tráfico clásica. Los autores identifican tres restricciones primarias que complican la programación de la Distribución de Claves Cuánticas (QKD):

1. Irreversibilidad de la Pérdida: Los señales cuánticas no pueden ser amplificadas ni copiadas; cada fotón perdido reduce permanentemente la tasa de clave.
2. Factores Ambientales Estocásticos: La cobertura de nubes actúa como una máscara de encendido/apagado que puede silenciar un enlace terrestre a mitad de una sesión, mientras que los efectos de clave finita vuelven inútiles los pasos cortos y de baja elevación (típicamente de menos de 60 segundos) debido a la sobrecarga de seguridad.
3. Programación Acoplada al Handover: La restricción más crítica es la "penalización por handover". Reasignar un satélite de una demanda terrestre a otra entre intervalos de tiempo consecutivos requiere que la terminal óptica se reoriente y vuelva a adquirir el objetivo, lo que incurre en una pérdida de rendimiento (modelada como una pérdida del 50% para el intervalo). Esto crea un acoplamiento temporal: una decisión de programación en el intervalo actual afecta la viabilidad y el costo de las decisiones en el siguiente intervalo. Las heurísticas existentes suelen ignorar este acoplamiento, lo que conduce a una degradación mensurable del rendimiento, particularmente bajo alta contención de red.

El artículo aborda la falta de trabajos previos que consideren simultáneamente los efectos de clave finita, el clima estocástico y la programación acoplada al handover con un certificado de optimalidad demostrable.

2. Metodología

Los autores proponen SATLOCK, un marco de trabajo que consta de tres componentes principales:

A. Modelo de Canal Compuesto

El marco utiliza un modelo de enlace basado físicamente que calcula la tasa de clave secreta de clave finita por intervalo ($R_{fk}$). La transmitancia total ($\eta_{total}$) es el producto de cuatro términos:

• Pérdida Atmosférica: Modelada mediante la extinción de Beer-Lambert.
• Pérdida por Difracción: Difracción de campo lejano basada en la cintura del haz y el alcance.
• Jitter de Apuntamiento: Pérdida por movimiento de haz gaussiano (modelada en 0.7 $\mu$rad, consistente con sistemas de clase Micius).
• Clima: Una máscara de nubes de cadena de Markov con persistencia ($\rho=0.85$) y probabilidades de cielo despejado específicas de la estación.

La tasa de clave secreta incorpora la estimación de estado de señuelo y la corrección de clave finita (basada en el análisis de seguridad composable para ataques colectivos). Esta corrección asegura que los pasos que produzcan menos de $10^4$ fotones de señal (o aquellos demasiado cortos para superar la penalización de seguridad) resulten en una tasa de clave de cero. El modelo se valida contra una simulación BB84 de Qiskit, confirmando la consistencia entre la capa de protocolo y el modelo de canal a nivel de red.

B. Programación Lineal Entera (ILP) Consciente del Handover

Para establecer un límite superior demostrable en el rendimiento, los autores formulan una ILP binaria exacta.

• Objetivo: Maximizar el total de bits de clave secreta entregados menos la penalización por pérdida de handover.
• Restricciones:
  • Exclusividad del Satélite: Un satélite sirve a lo sumo a una estación terrestre por intervalo (reflejando las limitaciones actuales de hardware de haz único).
  • Detección de Handover: Modela explícitamente la transición de un satélite entre demandas en intervalos consecutivos, activando una variable de penalización ($h_{s,t}$).
  • Viabilidad de la Ruta: Limita las rutas a enlaces directos o relevos de 1 salto vía nodos de confianza.
• Desempeño: Para una instancia de 16 satélites y 6 demandas, la ILP se resuelve en aproximadamente 0.8 segundos utilizando el solver CBC.

C. Agente de Red Q de Aprendizaje Profundo (DQN) Descentralizado

Para permitir el enrutamiento en línea en tiempo real sin resolver problemas NP-duros en cada paso, los autores entrenan un agente DQN por demanda.

• Espacio de Estados: Incluye el progreso del tiempo, las mejores tasas de clave finita disponibles para tipos de ruta (directa, 1-salto, ninguna), los estados climáticos de origen/destino, el progreso acumulado de la clave y una bandera que indica si una ruta reutiliza un satélite de una demanda diferente del intervalo anterior.
• Espacio de Acciones: Selecciona una de tres opciones de enrutamiento: omitir, directa o relevo de 1 salto.
• Recompensa: Basada en el volumen de clave entregada, penalizada por el número de saltos de relevo y las ocurrencias de handover.
• Velocidad de Inferencia: El agente entrenado selecciona acciones en $\sim50$ $\mu$s por intervalo, aproximadamente 16,000 veces más rápido que resolver la ILP nuevamente.

3. Principales Contribuciones

1. Modelo de Canal con Base Física: Un modelo compuesto que integra la física atmosférica, el jitter de apuntamiento, el clima de Markov y las correcciones de clave finita, validado mediante simulaciones de Qiskit.
2. Certificado de Optimalidad Demostrable: Una formulación ILP que modela explícitamente el acoplamiento temporal mediante restricciones de handover, proporcionando un límite superior ajustado sobre el rendimiento que no estaba disponible en trabajos previos basados solo en heurísticas.
3. Enrutamiento Adaptativo al Clima en Tiempo Real: Un agente DQN descentralizado capaz de aprender políticas climáticas por demanda y manejar penalizaciones de handover en tiempo real, aunque limitado por la falta de coordinación entre demandas.

4. Evaluación y Resultados

El marco fue evaluado en una constelación Walker 53°:16/4/1 sirviendo demandas intercontinentales a través de 10 estaciones terrestres bajo un clima de Markov estocástico.

• Baja Contención (16 satélites, 6 demandas):

  • La ILP logró 1,311 Mbit.
  • Las heurísticas más fuertes (Caleffi, Pant, Greedy) alcanzaron el 95–96% de la ILP.
  • El agente DRL alcanzó el 91.8% de la ILP.
  • Observación: La exclusividad del satélite rara vez es limitante; las heurísticas miopes funcionan bien.

• Alta Contención (8 satélites, 12 demandas):

  • La ILP logró 980 Mbit.
  • Las heurísticas cayeron al 89.5% de la ILP.
  • El agente DRL cayó al 84.6% de la ILP.
  • Observación: A medida que los handovers se vuelven frecuentes y limitantes, el acoplamiento temporal se vuelve crítico. Los algoritmos miopes fallan al no poder coordinar globalmente las reasignaciones de satélites, lo que conduce a una pérdida significativa de rendimiento. El agente DRL, aunque aprende políticas climáticas efectivas, está limitado por su toma de decisiones independiente sin coordinación centralizada.

• Equidad vs. Rendimiento: La ILP maximiza el rendimiento agregado, lo que puede llevar a "matar de hambre" a pares de demanda persistentemente bloqueados por nubes en favor de enlaces más despejados. Los autores señalan que este es un compromiso inherente al objetivo agregado.

5. Significancia y Reivindicaciones

El artículo afirma que SATLOCK es el primer marco que modela conjuntamente la corrección de clave finita, la cobertura de nubes de Markov y la programación acoplada al handover con un certificado de optimalidad demostrable.

La principal significancia radica en cuantificar el costo de ignorar el acoplamiento temporal. Los autores demuestran que, bajo alta contención, la brecha entre la programación globalmente óptima (ILP) y el enrutamiento miope por intervalo se amplía a un 10.5%. En una tecnología donde cada bit seguro es costoso, esta diferencia es sustancial.

El trabajo establece que, si bien el DRL descentralizado ofrece un camino viable para la inferencia en tiempo real ($\sim50$ $\mu$s), actualmente no puede resolver completamente los conflictos de satélites centralizados sin una coordinación multi-agente explícita. El artículo posiciona la brecha residual entre el agente DRL y la ILP como motivación para la investigación futura en DRL multi-agente centralizado.

Limitaciones Reconocidas por los Autores:

• La evaluación es basada en simulaciones utilizando un proceso de Markov de dos estados para las nubes en lugar de trazas meteorológicas reales.
• El modelo actual asume relevos de nodo de confianza (1-salto) en lugar de entrelazamiento de extremo a extremo con repetidores cuánticos.
• El desempeño del agente DRL está limitado por su naturaleza descentralizada; no resuelve el espacio de acción conjunta de forma combinatoria.