論文の概要: Application of quantum generative adversarial network to the abnormal
user behavior detection and evaluation
- arxiv url: http://arxiv.org/abs/2208.09834v1
- Date: Sun, 21 Aug 2022 07:49:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-30 07:19:57.023432
- Title: Application of quantum generative adversarial network to the abnormal
user behavior detection and evaluation
- Title（参考訳）: 量子生成型adversarial networkの異常ユーザ行動検出・評価への応用
- Authors: Minghua Pan, Bin Wang, Xiaoling Tao, Shenggen Zheng, Haozhen Situ
- Abstract要約: 内部ユーザを対象とした量子行動検出・評価アルゴリズム(QBDE)を提案する。
QBDEアルゴリズムは、量子古典的生成逆数ネットワーク(QCGAN)と、検出と評価のための古典的ニューラルネットワークを含む。
我々の研究は、量子アルゴリズムの新しい応用シナリオと、異常な振る舞いの検出と評価の新しいアイデアを提供する。
- 参考スコア（独自算出の注目度）: 4.03152962670495
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum computing, with superposition and parallelism of quantum states,
shows amazing ability in processing some high-dimensional data. In the current
noisy intermediate-scale quantum (NISQ) era, exploring possible applications of
quantum computing is emerging research. In cyberspace security, behavior
detection and evaluation (BDE) catch many people's attention. Especially, the
internal abnormal behavior is very threatening but much challenging due to its
rare occurrence or even loss in the massive of normal data. In this paper, we
propose a quantum behavior detection and evaluation algorithm (QBDE) for inner
users. The QBDE algorithm includes a quantum-classical generative adversarial
network (QCGAN) and a classical neural network for detection and evaluation.
The QCGAN applies the quantum-classical hybrid architecture, namely, a quantum
generator ($G_Q$) and classical discriminator ($D_C$). The $G_Q$ is a
parameterized quantum circuit (PQC), and the $D_C$ is a classical neural
network. The $G_Q$ is used to generate negative samples to solve the imbalance
problem of positive and negative samples. Then the $G_Q$ and $D_C$ are
optimized by gradient descent. Through simulation tests and analysis, the QBDE
algorithm can effectively detect and evaluate the abnormal behavior of internal
users. Our work provides a new application scenario for quantum algorithm and a
new idea for abnormal behavior detection and evaluation.
- Abstract（参考訳）: 量子コンピューティングは、量子状態の重ね合わせと並列性を持ち、高次元のデータを処理する素晴らしい能力を示している。
現在のノイズの多い中間スケール量子(NISQ)時代には、量子コンピューティングの応用の可能性を探究する研究が進んでいる。
サイバースペースのセキュリティでは、行動検出と評価(BDE)が多くの人々の注意を引く。
特に、内部の異常行動は非常に危険だが、その稀な発生や通常のデータの大量喪失により、非常に困難である。
本稿では,内部ユーザを対象とした量子行動検出・評価アルゴリズム(QBDE)を提案する。
QBDEアルゴリズムは、量子古典的生成逆数ネットワーク(QCGAN)と、検出と評価のための古典的ニューラルネットワークを含む。
QCGANは量子古典ハイブリッドアーキテクチャ、すなわち量子発生器(G_Q$)と古典的判別器(D_C$)を適用している。
G_Q$はパラメータ化量子回路(PQC)であり、D_C$は古典的なニューラルネットワークである。
G_Q$は、正と負のサンプルの不均衡問題を解決するために負のサンプルを生成するために用いられる。
次に、勾配降下により$G_Q$と$D_C$が最適化される。
シミュレーションテストと解析により,qbdeアルゴリズムは内部ユーザの異常挙動を効果的に検出し,評価することができる。
本研究は,量子アルゴリズムの新しい応用シナリオと,異常行動検出と評価のための新しいアイデアを提供する。
関連論文リスト
- Enhancing Quantum Variational Algorithms with Zero Noise Extrapolation
via Neural Networks [0.4779196219827508]
変分量子固有解法(VQE)は複雑な量子問題を解くための有望なアルゴリズムである。
量子デバイスにおけるノイズのユビキタスな存在は、しばしばVQE結果の正確さと信頼性を制限する。
本稿では,VQE計算におけるゼロノイズ外挿(ZNE)にニューラルネットワークを利用する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-03-10T15:35:41Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Calibrating the role of entanglement in variational quantum circuits [0.6435156676256051]
エンタングルメント(Entanglement)は、量子コンピューティングの重要な性質であり、古典的なものとは分離している。
2つの変分量子アルゴリズムの動作における絡み合いの役割を系統的に検討する。
QAOAを用いて解いたMAX-CUT問題に対して,絡み合い関数としての忠実度は層数に大きく依存することがわかった。
QNNの場合、高いテスト精度のトレーニング回路は高い絡み合いによって支えられ、強制的な絡み合いの制限はテスト精度の急激な低下をもたらす。
論文 参考訳（メタデータ） (2023-10-16T23:36:40Z) - Exploring Unsupervised Anomaly Detection with Quantum Boltzmann Machines
in Fraud Detection [3.955274213382716]
EDR(Restricted Detection and Response)における異常検出は、大企業のサイバーセキュリティプログラムにおいて重要な課題である。
この問題に対する古典的な機械学習アプローチは存在するが、悪質な異常と悪質な異常を区別する際の不満足なパフォーマンスをしばしば示している。
現在使われている機械学習技術よりも優れた一般化を実現するための有望なアプローチは量子生成モデルである。
論文 参考訳（メタデータ） (2023-06-08T07:36:01Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-04-04T12:47:35Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳（メタデータ） (2022-11-09T21:43:16Z) - Quantum Robustness Verification: A Hybrid Quantum-Classical Neural
Network Certification Algorithm [1.439946676159516]
本研究では、堅牢性多変数混合整数プログラム(MIP)の解法を含むReLUネットワークの検証について検討する。
この問題を軽減するために、ニューラルネットワーク検証にQCを用い、証明可能な証明書を計算するためのハイブリッド量子プロシージャを導入することを提案する。
シミュレーション環境では,我々の証明は健全であり,問題の近似に必要な最小量子ビット数に制限を与える。
論文 参考訳（メタデータ） (2022-05-02T13:23:56Z) - Entangling Quantum Generative Adversarial Networks [53.25397072813582]
量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。
EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
論文 参考訳（メタデータ） (2021-04-30T20:38:41Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳（メタデータ） (2020-05-06T14:18:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。