该论文研究量子密钥分发（QKD）链路在非平稳信道条件下的安全性缺口。传统 QKD 安全分析基于「信道平稳」假设，而实际设备在两次校准之间会发生漂移（device drift），信道参数随时间变化。作者提出并量化了一个此前未被回答的问题：一个无法改变信道本身噪声的窃听者，能否通过跟随信道漂移而获得额外优势？为回答该问题，作者将自适应窃听建模为受约束的马尔可夫决策过程（CMDP）：窃听者在每一轮选择一个攻击电路，噪声水平服从 Ornstein–Uhlenbeck 过程，而中止条件被设定为每个轮次块上的探测预算。作者给出了自适应攻击收益的上下界——下界为最优固定电路的收益，上界由动态规划求得，从而把「自适应到底值多少」变成一个可计算的量。方法上的核心创新在于攻击动作本身是被学习出来的：Decker 等人此前是在固定门模板上用固定信道训练参数化电路，而本文同时搜索门结构与旋转角度，使得生成的电路足够紧凑，可构成一个离散动作集合，从而把该构造推广到没有已知模板的噪声模型，包括振幅阻尼信道。实验方面：在双边去极化噪声下的设备无关 E91 协议中，强化学习窃听者把 Holevo 信息量从最优固定电路的 0.135 提升到零探测条件下的 0.348，达到理论上界的 98%；在漂移比特翻转信道下的 BB84 中，其保真度比保守的「噪声索引」规则高出 0.024，达到上界的 99%。此外，在平稳噪声下，攻方由基选择非对称性获得的收益，在「平均」误码率约束与「逐基」误码率约束之间会改变符号。搜索从随机门序列出发，能够重新发现解析形式的克隆机与集体攻击密钥率，并从上方逼近 Winick–Lütkenhaus–Coles 目标函数的下界。