論文の概要: Exploring Unsupervised Anomaly Detection with Quantum Boltzmann Machines in Fraud Detection

• arxiv url: http://arxiv.org/abs/2306.04998v1
• Date: Thu, 8 Jun 2023 07:36:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-09 15:44:14.437017
• Title: Exploring Unsupervised Anomaly Detection with Quantum Boltzmann Machines in Fraud Detection
• Title（参考訳）: フラッド検出における量子ボルツマンマシンによる教師なし異常検出の探索
• Authors: Jonas Stein, Dani\"elle Schuman, Magdalena Benkard, Thomas Holger, Wanja Sajko, Michael K\"olle, Jonas N\"u{\ss}lein, Leo S\"unkel, Olivier Salomon, Claudia Linnhoff-Popien
• Abstract要約: 検出と応答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タスクである。 与えられた問題に対する量子アニーリングに基づく量子ボルツマンマシン(QBM)について検討する。 この結果から,QBMは従来のアナログ(リミテッド・ボルツマン・マシンズ)よりも品質とトレーニングの工程が優れていることが示唆された。
• 参考スコア（独自算出の注目度）: 4.109189861505301
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Anomaly detection in Endpoint Detection and Response is a critical task in cybersecurity programs of large companies. With a rapidly growing amount of data and the omnipresence of zero-day attacks, manual and rule-based detection techniques are no longer eligible in practice. While classical machine learning approaches to this problem exist, they frequently show unsatisfactory performance in differentiating malicious from benign anomalies. A promising approach to attain superior generalization than currently employed machine learning techniques are quantum generative models. Allowing for the largest representation of data on available quantum hardware, we investigate Quantum Annealing based Quantum Boltzmann Machines (QBMs) for the given problem. We contribute the first fully unsupervised approach for the problem of anomaly detection using QBMs and evaluate its performance on a suitable synthetic dataset. Our results indicate that QBMs can outperform their classical analog (i.e., Restricted Boltzmann Machines) in terms of result quality and training steps. When employing Quantum Annealers from D-Wave Systems, we conclude that either more accurate classical simulators or substantially more QPU time is needed to conduct the necessary hyperparameter optimization allowing to replicate our simulation results on quantum hardware.
• Abstract（参考訳）: エンドポイント検出と応答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。 急速に増大するデータ量とゼロデイアタックの全能により、手動および規則に基づく検出技術は、実際には適用できない。 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す。 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。 利用可能な量子ハードウェア上で最大のデータ表現を実現するため,量子アニーリングに基づく量子ボルツマンマシン(QBM)について検討する。 本研究は,QBMを用いた異常検出問題に対する最初の教師なしアプローチであり,適切な合成データセット上での性能評価を行う。 結果から,qbmは,結果品質とトレーニングステップにおいて,古典的アナログ(すなわち制限ボルツマン機械)を上回ることができることが示唆された。 D-Wave SystemsのQuantum Annealersを利用する場合、シミュレーション結果を量子ハードウェア上で再現するために必要となるハイパーパラメータ最適化を行うために、より正確な古典的シミュレータかQPU時間が必要であると結論付ける。

関連論文リスト

• Unsupervised Quantum Anomaly Detection on Noisy Quantum Processors [1.2325897339438878]
  本稿では,一クラス支援ベクトルマシン(OCSVM)アルゴリズムの一般化特性の系統的解析を行う。 結果は理論的にシミュレートされ、トラップイオンおよび超伝導量子プロセッサ上で実験的に検証された。
  論文  参考訳（メタデータ） (2024-11-25T22:42:38Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• GQHAN: A Grover-inspired Quantum Hard Attention Network [53.96779043113156]
  GQHAM(Grover-inspired Quantum Hard Attention Mechanism)を提案する。 GQHANは、既存の量子ソフト自己保持機構の有効性を超越して、非微分可能性ハードルをかなり上回っている。 GQHANの提案は、将来の量子コンピュータが大規模データを処理する基盤を築き、量子コンピュータビジョンの開発を促進するものである。
  論文  参考訳（メタデータ） (2024-01-25T11:11:16Z)
• Long-lived Particles Anomaly Detection with Parametrized Quantum Circuits [0.0]
  パラメタライズド量子回路に基づく異常検出アルゴリズムを提案する。 このアルゴリズムは古典的なコンピュータで訓練され、シミュレーションや実際の量子ハードウェアでテストされている。
  論文  参考訳（メタデータ） (2023-12-07T11:50:42Z)
• Machine Learning for Practical Quantum Error Mitigation [0.0]
  量子エラー軽減のための機械学習は、そのコストを大幅に削減することを示す。 本稿では,ML-QEMを用いて従来の緩和手法を模倣し,より優れた実行効率で拡張性を実現する方法を提案する。
  論文  参考訳（メタデータ） (2023-09-29T16:17:12Z)
• Towards quantum enhanced adversarial robustness in machine learning [18.663564729815615]
  機械学習と量子コンピューティングを統合することで、精度と計算効率が向上する。 近年の研究では、敵の攻撃から守るために量子力学的現象が採用されている。 有望な早期成果にもかかわらず、実世界の堅牢なQAMLツールの構築には依然として課題がある。
  論文  参考訳（メタデータ） (2023-06-22T06:21:45Z)
• 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)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• Quantum artificial vision for defect detection in manufacturing [0.0]
  ノイズ中間スケール量子(NISQ)デバイスを用いた量子コンピュータビジョンのアルゴリズムについて検討する。 私たちはそれらを、彼らの古典的な問題に対する真の問題としてベンチマークします。 これは製造ラインにおける産業関連の問題に対する量子コンピュータビジョンシステムの最初の実装である。
  論文  参考訳（メタデータ） (2022-08-09T18:30:23Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)

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。