En las redes de comunicación modernas, particularmente en los sistemas basados en satélites, la seguridad de los datos enfrenta desafíos significativos debido a vulnerabilidades como la interceptación de señales, el bloqueo y la latencia durante las transmisiones a larga distancia. Los métodos criptográficos tradicionales son cada vez más vulnerables a las amenazas de la computación cuántica, lo que subraya la necesidad de soluciones avanzadas para proteger la integridad, confidencialidad y disponibilidad de los datos. Esta investigación investiga la fusión de la criptografía cuántica y el Aprendizaje Automático (ML) para mejorar la seguridad en la comunicación satelital. La Distribución de Claves Cuánticas (QKD), que se basa en la mecánica cuántica, permite una encriptación irrompible al detectar la escucha clandestina a través de perturbaciones en el estado cuántico. El algoritmo de ML CatBoost se aplica a un conjunto de datos de 10,000 registros con atributos categóricos para priorizar elementos de seguridad como la detección de anomalías, tipos de encriptación y controles de acceso. El modelo produce una precisión del 89.23% y un puntaje de Área bajo la Curva de la Característica Operativa del Receptor (AUC-ROC) del 94.56%, prediciendo efectivamente los niveles de amenaza. La importancia de las características revela que la detección de anomalías (28.5%) y la encriptación cuántica (22.3%) son contribuyentes principales. Aunque persisten obstáculos como los altos costos de implementación y las limitaciones en el rango de transmisión, esta sinergia de ML cuántico proporciona un marco proactivo y adaptativo para redes de comunicación resilientes y preparadas para el futuro.