3. 信息协调的数学基础与效率度量
信息协调（Information Reconciliation）是QKD后处理链条中的第一道关键工序：通信双方Alice与Bob各自持有一串存在少量差异的原始密钥，需要通过公开信道交互信息，把Bob的密钥纠正到与Alice一致，同时尽可能少地泄露最终密钥的信息。要判断一套协调方案“好不好”，不能只凭感觉说“纠错能力强”，而必须建立一套可计算、可比较的量化语言。本节从信息论的基本量出发，逐步引出协调效率、泄露信息量与残余误码率这三个核心度量，并说明它们之间的定量关系。
一、熵：不确定性的度量
信息论用熵来刻画随机变量的不确定性。设Alice的原始密钥比特串为X，Bob的为Y，二者长度均为n。若X中“0”和“1”出现的概率分别为p和1−p，则单比特香农熵为
H(X) = −p·log₂p − (1−p)·log₂(1−p) （单位：bit/比特）当p=0.5时H(X)=1，表示完全随机、每比特携带1 bit信息；当p=0或1时H(X)=0，表示毫无不确定性。QKD原始密钥经过量子信道传输后，理想情况下应接近均匀分布，因此H(X)≈1 bit/比特。熵给出的是“理论上需要多少信息量才能描述X”，它是后续所有度量的基准。
条件熵H(X|Y)则描述“已知Y之后，X还剩多少不确定性”。在协调场景中，H(X|Y)恰好等于Bob为了确定X还缺少的信息量，也就是协调过程理论上至少需要从Alice流向Bob的信息量下限。这个下限由Slepian-Wolf定理给出：只要Alice向Bob发送的信息量R ≥ H(X|Y)，就存在编码方案使Bob能以任意小的错误概率恢复X。这是信息协调的“理论天花板”，实际方案只能逼近而不能突破。
二、互信息：双方共享的信息量
互信息I(X;Y)衡量X与Y之间共享的信息量，定义为
I(X;Y) = H(X) − H(X|Y) = H(Y) − H(Y|X)它是对称的：Alice从Y中获得关于X的信息，与Bob从X中获得关于Y的信息相等。在协调中，I(X;Y)反映了双方原始密钥的“天然相关性”——相关性越强，需要纠正的差异越少，协调越省力。若把量子比特误码率记为QBER（记作e），在二元对称信道模型下，单比特互信息可写为
I(X;Y) = 1 − h₂(e)，其中 h₂(e) = −e·log₂e − (1−e)·log₂(1−e)例如e=5%时，h₂(0.05)≈0.286，I(X;Y)≈0.714 bit/比特。这意味着每比特原始密钥中约有0.714 bit是双方共享的，剩余约0.286 bit是需要通过协调补上的不确定性。这个数值直接决定了协调的“工作量”。
三、三个核心度量
泄露信息量（Leaked Information）：协调过程中Alice通过公开信道发送给Bob的全部信息，记为L，单位为bit。由于公开信道可被窃听者Eve获取，L必须从最终密钥中扣除。实际方案中L通常用发送的消息总长度（含校验位、分块索引等）来统计。
协调效率（Reconciliation Efficiency）：记为f，定义为实际泄露信息量与理论下限之比：
f = L / (n · H(X|Y)) = L / (n · h₂(e))f ≥ 1，越接近1说明方案越逼近Slepian-Wolf下限，效率越高。工程上f通常在1.05～1.25之间，f=1.1表示比理论最优多泄露了10%的信息。
残余误码率（Residual Bit Error Rate, RBER）：协调结束后Bob密钥与Alice密钥仍不一致的比特比例，记为ε。理想情况下ε=0，但实际方案受分块长度、校验碰撞等因素影响，可能残留极少量错误。ε必须低于后续隐私放大所能容忍的阈值，否则最终密钥安全性无法保证。
四、效率评估的量化语言
把上述量串起来，可以得到协调后密钥的净产出估计。设原始密钥长度n，误码率e，协调效率f，则泄露量为L = f·n·h₂(e)。隐私放大阶段需要压缩掉L比特的信息，因此协调后的安全密钥率（相对每比特原始密钥）近似为
r ≈ 1 − f·h₂(e) − 其他安全裕量以n=10⁶、e=5%、f=1.15为例：h₂(0.05)≈0.286，泄露量L≈1.15×10⁶×0.286≈3.29×10⁵ bit，即约32.9万比特信息被公开。若忽略其他裕量，净密钥率约1−1.15×0.286≈0.671，即每比特原始密钥最终可保留约0.671 bit。这个数字直观地告诉工程师：协调效率每提高0.05，净密钥率就能提升约0.014，在长距离QKD中这是相当可观的收益。
下面这张图把“原始密钥—差异—协调—度量”的定量关系组织在一起，便于对照理解各量的位置与流向。
五、工程取值与判读
在实际系统中，这三个度量并非孤立使用，而是共同构成协调模块的验收依据。以一套典型的离散变量QKD系统为例，若原始密钥长度n=2×10⁵、QBER e=4%，则h₂(0.04)≈0.242。若采用LDPC码协调，实测泄露量L≈5.6×10⁴ bit，则f = 5.6×10⁴ / (2×10⁵×0.242) ≈ 1.16，属于合理范围；若协调后抽样检测残余误码率ε≈2×10⁻⁶，远低于隐私放大通常要求的10⁻³量级，则可判定协调成功。反之，若f超过1.3，说明码率选择过于保守、泄露过多；若ε高于阈值，则说明分块过短或校验不足，需要调整码长或迭代次数。
需要强调的是，上述数值均为教学示例中的合理假设，用于说明计算流程与判读逻辑，并非某次实际实验的测量结果。真实系统还需考虑有限码长效应、校验碰撞概率、信道噪声波动等因素，f与ε往往需要在多组参数下统计后取保守值。
掌握熵、互信息、条件熵这三个信息论量，并会用f、L、ε三个度量去描述协调过程，就建立了评估QKD信息协调的量化语言。后续讨论具体协调协议（如Cascade、LDPC、极化码）时，都可以回到这套语言上比较其效率与代价。