一种基于人工智能的抗量子密码算法参数动态优化方法及系统

本发明公开了一种基于人工智能的抗量子密码算法参数动态优化方法及系统，属于信息安全与人工智能交叉技术领域。所述方法包括：实时采集包含硬件性能、网络状态、安全上下文及PQC算法性能的环境状态数据；构建多维状态特征向量；将特征向量输入预训练的深度强化学习智能体，由其输出参数优化策略；将优化策略实时应用到运行的PQC算法实例中；采集新参数下的性能指标并计算奖励值，反馈给智能体进行在线学习。该系统包括环境感知、特征处理、AI决策引擎、动态执行和反馈学习模块。本发明实现了PQC算法参数的自适应动态优化，有效解决了静态配置导致的性能浪费或不足问题，在保证安全性的同时显著提升了算法执行效率并降低了系统功耗。