論文の概要: Detection and evaluation of abnormal user behavior based on quantum
generation adversarial network
- arxiv url: http://arxiv.org/abs/2208.09834v2
- Date: Sun, 17 Sep 2023 02:32:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-20 01:43:18.433453
- Title: Detection and evaluation of abnormal user behavior based on quantum
generation adversarial network
- Title（参考訳）: 量子生成逆ネットワークを用いた異常ユーザ行動の検出と評価
- Authors: Minghua Pan, Bin Wang, Xiaoling Tao, Shenggen Zheng, Haozhen Situ,
Lvzhou Li
- Abstract要約: 内部ユーザ分析に適した新しい量子行動検出・評価アルゴリズム(QBDE)を提案する。
QBDEアルゴリズムは、量子生成逆数ネットワーク(QGAN)と古典的ニューラルネットワークを組み合わせて、タスクの検出と評価を行う。
我々の研究は、異常な振る舞いの検出と評価に新しいアプローチを導入するだけでなく、量子アルゴリズムの新しい応用シナリオを開拓した。
- 参考スコア（独自算出の注目度）: 3.769725402555695
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum computing holds tremendous potential for processing high-dimensional
data, capitalizing on the unique capabilities of superposition and parallelism
within quantum states. As we navigate the noisy intermediate-scale quantum
(NISQ) era, the exploration of quantum computing applications has emerged as a
compelling frontier. One area of particular interest within the realm of
cyberspace security is Behavior Detection and Evaluation (BDE). Notably, the
detection and evaluation of internal abnormal behaviors pose significant
challenges, given their infrequent occurrence or even their concealed nature
amidst vast volumes of normal data. In this paper, we introduce a novel quantum
behavior detection and evaluation algorithm (QBDE) tailored for internal user
analysis. The QBDE algorithm comprises a Quantum Generative Adversarial Network
(QGAN) in conjunction with a classical neural network for detection and
evaluation tasks. The QGAN is built upon a hybrid architecture, encompassing a
Quantum Generator ($G_Q$) and a Classical Discriminator ($D_C$). $G_Q$,
designed as a parameterized quantum circuit (PQC), collaborates with $D_C$, a
classical neural network, to collectively enhance the analysis process. To
address the challenge of imbalanced positive and negative samples, $G_Q$ is
employed to generate negative samples. Both $G_Q$ and $D_C$ are optimized
through gradient descent techniques. Through extensive simulation tests and
quantitative analyses, we substantiate the effectiveness of the QBDE algorithm
in detecting and evaluating internal user abnormal behaviors. Our work not only
introduces a novel approach to abnormal behavior detection and evaluation but
also pioneers a new application scenario for quantum algorithms. This paradigm
shift underscores the promising prospects of quantum computing in tackling
complex cybersecurity challenges.
- Abstract（参考訳）: 量子コンピューティングは、量子状態内の重ね合わせと並列性のユニークな能力を生かして、高次元データを処理する大きな可能性を秘めている。
ノイズの多い中間スケール量子(NISQ)時代を旅するにつれ、量子コンピューティングアプリケーションの探索は魅力的なフロンティアとして現れてきた。
サイバースペースセキュリティ分野における特に関心のある分野は、行動検出と評価(BDE)である。
特に、内部の異常な行動の検出と評価は、しばしば発生することや、大量の正常なデータの中で隠蔽される性質を考えると、重大な課題となる。
本稿では,内部ユーザ分析に適した新しい量子行動検出・評価アルゴリズム(QBDE)を提案する。
QBDEアルゴリズムは、量子生成適応ネットワーク(QGAN)と古典的ニューラルネットワークを組み合わせて、タスクの検出と評価を行う。
qganは、量子ジェネレータ(g_q$)と古典的な判別器(d_c$)を包含するハイブリッドアーキテクチャ上に構築されている。
パラメタライズド量子回路(PQC)として設計された$G_Q$は、古典的なニューラルネットワークである$D_C$と協力して、分析プロセスを総合的に強化する。
不均衡な正と負のサンプルの課題に対処するために、$G_Q$を用いて負のサンプルを生成する。
g_q$ と $d_c$ は勾配降下法によって最適化される。
シミュレーション実験と定量的解析により,内部ユーザ異常の検知および評価におけるQBDEアルゴリズムの有効性を検証した。
本研究は,異常行動の検出と評価に新たなアプローチを導入するだけでなく,量子アルゴリズムの新しい応用シナリオを開拓する。
このパラダイムシフトは、複雑なサイバーセキュリティ問題に取り組む量子コンピューティングの有望な展望の核となる。
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。