論文の概要: Certified Robustness of Quantum Classifiers against Adversarial Examples through Quantum Noise

• arxiv url: http://arxiv.org/abs/2211.00887v1
• Date: Wed, 2 Nov 2022 05:17:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 12:18:25.885522
• Title: Certified Robustness of Quantum Classifiers against Adversarial Examples through Quantum Noise
• Title（参考訳）: 量子雑音による逆例に対する量子分類器のロバスト性
• Authors: Jhih-Cing Huang, Yu-Lin Tsai, Chao-Han Huck Yang, Cheng-Fang Su, Chia-Mu Yu, Pin-Yu Chen, Sy-Yen Kuo
• Abstract要約: 加算された量子ランダム回転雑音を用いることで、敵攻撃に対する量子分類器のロバスト性を向上させることができることを示す。 我々は、量子分類器が実験結果によって支持される敵の例から防御できるように、証明された堅牢性を導出する。
• 参考スコア（独自算出の注目度）: 68.1992787416233
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Recently, quantum classifiers have been known to be vulnerable to adversarial attacks, where quantum classifiers are fooled by imperceptible noises to have misclassification. In this paper, we propose one first theoretical study that utilizing the added quantum random rotation noise can improve the robustness of quantum classifiers against adversarial attacks. We connect the definition of differential privacy and demonstrate the quantum classifier trained with the natural presence of additive noise is differentially private. Lastly, we derive a certified robustness bound to enable quantum classifiers to defend against adversarial examples supported by experimental results.
• Abstract（参考訳）: 近年、量子分類器は敵攻撃に弱いことが知られており、量子分類器は知覚不能な雑音に騙されて誤分類される。 本稿では,量子乱数回転雑音を用いることで,量子分類器の対角攻撃に対する堅牢性を向上させることができるという,最初の理論的研究を提案する。 差分プライバシーの定義を結合し、加法雑音の自然な存在で訓練された量子分類器が微分プライベートであることを示す。 最後に、量子分類器が実験結果によって支持される敵の例から防御できるように、証明された堅牢性を導出する。

関連論文リスト

• Adversarial Robustness Guarantees for Quantum Classifiers [0.4934360430803066]
  本稿では,QMLアルゴリズムの量子特性が,このような攻撃に対する基本的保護を導出できることを示す。 我々は、この保護の量子源を特定するために、多体物理学のツールを活用している。
  論文  参考訳（メタデータ） (2024-05-16T18:00:01Z)
• Quantum Adversarial Learning for Kernel Methods [0.0]
  量子カーネル法とサポートベクトルマシンに基づくハイブリッド量子分類器は、敵攻撃に対して脆弱であることを示す。 データ拡張に基づく単純な防御戦略は、いくつかの巧妙な摂動によって、新たな攻撃に対して分類器を堅牢にすることができる。
  論文  参考訳（メタデータ） (2024-04-08T19:23:17Z)
• Power Characterization of Noisy Quantum Kernels [52.47151453259434]
  一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。 我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
  論文  参考訳（メタデータ） (2024-01-31T01:02:16Z)
• Quantum Conformal Prediction for Reliable Uncertainty Quantification in Quantum Machine Learning [47.991114317813555]
  量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。 本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
  論文  参考訳（メタデータ） (2023-04-06T22:05:21Z)
• Enhancing Quantum Adversarial Robustness by Randomized Encodings [10.059889429655582]
  本稿では,正規データサンプルをランダムに符号化することにより,量子学習システムを敵攻撃から保護する手法を提案する。 グローバルおよび局所ランダムなユニタリエンコーダの両方が指数関数的に勾配を消失させることを示す。 ランダムなブラックボックス量子誤り訂正エンコーダは、量子分類器を局所的な逆雑音から保護できることを示す。
  論文  参考訳（メタデータ） (2022-12-05T19:00:08Z)
• Suppressing Amplitude Damping in Trapped Ions: Discrete Weak Measurements for a Non-unitary Probabilistic Noise Filter [62.997667081978825]
  この劣化を逆転させるために、低オーバーヘッドプロトコルを導入します。 振幅減衰雑音に対する非単位確率フィルタの実装のための2つのトラップイオンスキームを提案する。 このフィルタは、単一コピー準蒸留のためのプロトコルとして理解することができる。
  論文  参考訳（メタデータ） (2022-09-06T18:18:41Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• Optimal Provable Robustness of Quantum Classification via Quantum Hypothesis Testing [14.684867444153625]
  量子機械学習モデルには、従来のモデルに比べてスピードアップと予測精度が向上する可能性がある。 これらの量子アルゴリズムは、古典的なアルゴリズムと同様に、入力摂動に弱いことが示されている。 これらは、ノイズの多い実装か、最悪のタイプのノイズとして、敵攻撃から生じる可能性がある。
  論文  参考訳（メタデータ） (2020-09-21T17:55:28Z)
• Quantum noise protects quantum classifiers against adversaries [120.08771960032033]
  量子情報処理におけるノイズは、特に短期的な量子技術において、破壊的で避け難い特徴と見なされることが多い。 量子回路の非偏極雑音を利用して分類を行うことにより、敵に縛られるロバスト性を導出できることを示す。 これは、最も一般的な敵に対して使用できる最初の量子プロトコルである。
  論文  参考訳（メタデータ） (2020-03-20T17:56:14Z)

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。