論文の概要: Classical ensemble of Quantum-classical ML algorithms for Phishing detection in Ethereum transaction networks

• arxiv url: http://arxiv.org/abs/2211.00004v1
• Date: Sun, 30 Oct 2022 14:37:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 15:04:16.086328
• Title: Classical ensemble of Quantum-classical ML algorithms for Phishing detection in Ethereum transaction networks
• Title（参考訳）: ethereumトランザクションネットワークにおけるフィッシング検出のための量子古典mlアルゴリズムの古典的アンサンブル
• Authors: Anupama Ray, Sai Sakunthala Guddanti, Vishnu Ajith, Dhinakaran Vinayagamurthy
• Abstract要約: 本稿では、金融取引網におけるフィッシング検出を改善する量子古典アルゴリズムのハイブリッドシステムを提案する。 古典的な量子古典モデルのアンサンブルは、マクロFスコアとフィッシングFスコアを改善した。 1つの重要な観察は、QSVMが常に低い偽陽性を与え、したがって他の古典的または量子的ネットワークと比較して高い精度を与えることである。
• 参考スコア（独自算出の注目度）: 2.049319339062035
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ethereum is one of the most valuable blockchain networks in terms of the total monetary value locked in it, and arguably been the most active network where new blockchain innovations in research and applications are demonstrated. But, this also leads to Ethereum network being susceptible to a wide variety of threats and attacks in an attempt to gain unreasonable advantage or to undermine the value of the users. Even with the state-of-art classical ML algorithms, detecting such attacks is still hard. This motivated us to build a hybrid system of quantum-classical algorithms that improves phishing detection in financial transaction networks. This paper presents a classical ensemble pipeline of classical and quantum algorithms and a detailed study benchmarking existing Quantum Machine Learning algorithms such as Quantum Support Vector Machine and Variational Quantum Classifier. With the current generation of quantum hardware available, smaller datasets are more suited to the QML models and most research restricts to hundreds of samples. However, we experimented on different data sizes and report results with a test data of 12K transaction nodes, which is to the best of the authors knowledge the largest QML experiment run so far on any real quantum hardware. The classical ensembles of quantum-classical models improved the macro F-score and phishing F-score. One key observation is QSVM constantly gives lower false positives, thereby higher precision compared with any other classical or quantum network, which is always preferred for any anomaly detection problem. This is true for QSVMs when used individually or via bagging of same models or in combination with other classical/quantum models making it the most advantageous quantum algorithm so far. The proposed ensemble framework is generic and can be applied for any classification task
• Abstract（参考訳）: Ethereumは、その中にロックされている金銭的価値の総量において、最も価値の高いブロックチェーンネットワークの1つであり、研究やアプリケーションの新しいブロックチェーンイノベーションが実証される最もアクティブなネットワークであることは間違いない。 しかし、これはethereumネットワークが、理不尽なアドバンテージを得ようとして、あるいはユーザの価値を損なうために、さまざまな脅威や攻撃にさらされることにも繋がる。 最先端の古典的MLアルゴリズムでさえ、そのような攻撃を検出することは依然として難しい。 これは、金融取引ネットワークにおけるフィッシング検出を改善する量子古典アルゴリズムのハイブリッドシステムを構築する動機となった。 本稿では、古典的および量子的アルゴリズムの古典的なアンサンブルパイプラインと、量子支援ベクトルマシンや変分量子分類器などの既存の量子機械学習アルゴリズムのベンチマークを行う。 量子ハードウェアの現在の世代では、より小さなデータセットはqmlモデルに適しており、ほとんどの研究は数百のサンプルに制限されている。 しかし、我々は異なるデータサイズで実験を行い、1kトランザクションノードのテストデータを用いて結果を報告した。 量子古典モデルの古典アンサンブルはマクロf-scoreとフィッシングf-scoreを改善した。 1つの重要な観察は、QSVMが常に低い偽陽性を与えるため、どの古典的または量子的ネットワークよりも精度が高く、常に異常検出問題に好まれる。 これはQSVMにおいて、同一モデルを個別に使用したり、あるいは他の古典的/量子モデルと組み合わせて使用することで、これまでで最も有利な量子アルゴリズムとなっている。 提案するアンサンブルフレームワークは汎用的であり,任意の分類タスクに適用可能である

関連論文リスト

• Quantum convolutional neural networks for jet images classification [0.0]
  本稿では,高エネルギー物理学における量子機械学習の性能について述べる。 このタスクには量子畳み込みニューラルネットワーク(QCNN)を使用し、その性能をCNNと比較する。 以上の結果から,適切な設定のQCNNの方が,CNNよりも優れた性能を示す傾向が示唆された。
  論文  参考訳（メタデータ） (2024-08-16T12:28:10Z)
• Generalized Hybrid Search and Applications to Blockchain and Hash Function Security [50.16790546184646]
  まず,ハイブリッド量子古典戦略を用いて,様々な探索問題を解くことの難しさについて検討する。 次に、ハイブリッド量子古典探索アルゴリズムを構築し、その成功確率を解析する。
  論文  参考訳（メタデータ） (2023-11-07T04:59:02Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• The NISQ Complexity of Collision Finding [2.9405711598281536]
  現代の暗号における基本的なプリミティブである衝突耐性ハッシュは、同じハッシュ値を生成する入力を効率的に見つける方法がないことを保証している。 現在、量子敵はNISQのパワーを備えたフルスケールのコンピュータを必要とする。 本稿では, NISQアルゴリズムの3つの異なるモデルについて検討する。
  論文  参考訳（メタデータ） (2022-11-23T13:55:28Z)
• Validation tests of GBS quantum computers give evidence for quantum advantage with a decoherent target [62.997667081978825]
  複数モードデータの検証に指紋としてグループカウント確率の正P位相空間シミュレーションを用いる。 偽データを解き放つ方法を示し、これを古典的なカウントアルゴリズムに適用する。
  論文  参考訳（メタデータ） (2022-11-07T12:00:45Z)
• Mixed Quantum-Classical Method For Fraud Detection with Quantum Feature Selection [0.0]
  本稿では,Quantum Support Vector Machineの機能マップ特性を用いて,最適な特徴を探索する手法を提案する。 古典的および量子的アルゴリズムを組み合わせたアンサンブルモデルを用いて、ハイブリッド古典量子アプローチを探索する。
  論文  参考訳（メタデータ） (2022-08-16T21:46:04Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)
• Supervised Learning Using a Dressed Quantum Network with "Super Compressed Encoding": Algorithm and Quantum-Hardware-Based Implementation [7.599675376503671]
  ノイズのある中間量子(NISQ)デバイス上での変分量子機械学習(QML)アルゴリズムの実装には、必要となるキュービット数とマルチキュービットゲートに関連するノイズに関連する問題がある。 本稿では,これらの問題に対処するための量子ネットワークを用いた変分QMLアルゴリズムを提案する。 他の多くのQMLアルゴリズムとは異なり、我々の量子回路は単一量子ビットゲートのみで構成されており、ノイズに対して堅牢である。
  論文  参考訳（メタデータ） (2020-07-20T16:29:32Z)
• Forging quantum data: classically defeating an IQP-based quantum test [0.0]
  古典的)証明器が量子であることを検証者に納得させる古典的アルゴリズムについて述べる。 キー抽出アルゴリズムは,実際に数百量子ビットの問題を解くのに有効であることを示す。
  論文  参考訳（メタデータ） (2019-12-11T19:00:00Z)

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。