論文の概要: Enabling Quantum Cybersecurity Analytics in Botnet Detection: Stable
Architecture and Speed-up through Tree Algorithms
- arxiv url: http://arxiv.org/abs/2306.13727v1
- Date: Fri, 23 Jun 2023 18:29:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-27 19:40:01.882662
- Title: Enabling Quantum Cybersecurity Analytics in Botnet Detection: Stable
Architecture and Speed-up through Tree Algorithms
- Title（参考訳）: ボットネット検出における量子サイバーセキュリティ分析の活用:ツリーアルゴリズムによる安定したアーキテクチャとスピードアップ
- Authors: Madjid Tehrani, Eldar Sultanow, William J Buchanan, Malik Amir, Anja
Jeschke, Raymond Chow, Mouad Lemoudden
- Abstract要約: 実際の量子コンピュータ上で,100データサンプルと実デバイスに基づくシミュレーションを用いて,ハイブリッド機械学習手法の実行を可能にする。
報告された精度76.8%を平均精度89.0%で上回り、合計計算時間は382秒に過ぎなかった。
我々は、Hoeffding決定木アルゴリズムに基づくハイブリッド量子二項分類アルゴリズムの新たな形式を設計する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For the first time, we enable the execution of hybrid machine learning
methods on real quantum computers, with 100 data samples, and also with
real-device-based simulations, with 5,000 data samples and thereby
outperforming the current state of research of Suryotrisongko and Musashi from
the year 2022 who were dealing with 1,000 data samples and not with simulations
on quantum real devices but on quantum simulators (i.e. pure software-based
emulators) only. Additionally, we beat their reported accuracy of 76.8% by an
average accuracy of 89.0%, all of this in a total computation time of 382
seconds only. They did not report the execution time. We gain this significant
progress by a two-fold strategy: First, we provide a stabilized quantum
architecture that enables us to execute HQML algorithms on real quantum
devices. Second, we design a new form of hybrid quantum binary classification
algorithms that are based on Hoeffding decision tree algorithms. These
algorithms lead to the mentioned speed-up through their batch-wise execution in
order to drastically reduce the number of shots needed for the real quantum
device compared to standard loop-based optimizers. Their incremental nature
serves the purpose of big data online streaming for DGA botnet detection. These
two steps allow us to apply hybrid quantum machine learning to the field of
cybersecurity analytics on the example of DGA botnet detection and how
quantum-enhanced SIEM and, thereby, quantum cybersecurity analytics is made
possible. We conduct experiments using the library Qiskit with quantum
simulator Aer as well as on three different real quantum devices from MS Azure
Quantum, naming IonQ, Rigetti and Quantinuum. It is the first time that these
tools have been combined.
- Abstract（参考訳）: 最初に、100個のデータサンプルと、5000個のデータサンプルを持つ実デバイスベースのシミュレーションを備えた実量子コンピュータ上で、ハイブリッド機械学習手法の実行を可能にし、2022年以降、1000個のデータサンプルに対処し、量子実デバイス上でのシミュレーションではなく、量子シミュレータ(純粋なソフトウェアベースのエミュレータ)上でのみ、現在よりも優れている。
さらに、報告された精度76.8%を平均精度89.0%で上回り、全計算時間は382秒に過ぎなかった。
彼らは実行時間を報告しなかった。
まず、実際の量子デバイス上でHQMLアルゴリズムの実行を可能にする安定化された量子アーキテクチャを提供する。
第二に、Hoeffding決定木アルゴリズムに基づくハイブリッド量子二項分類アルゴリズムの新たな形式を設計する。
これらのアルゴリズムは、通常のループベースのオプティマイザと比較して実際の量子デバイスに必要なショット数を大幅に削減するために、バッチ実行を通じて前述のスピードアップを導く。
そのインクリメンタルな性質は、DGAボットネット検出のためのビッグデータオンラインストリーミングの目的に役立つ。
これらの2つのステップにより、DGAボットネット検出の例と量子強化SIEMの例に基づいて、ハイブリッド量子機械学習をサイバーセキュリティ分析の分野に適用し、量子サイバーセキュリティ分析を可能にする。
量子シミュレータ aer とライブラリ qiskit を用いて実験を行い,ms azure quantum から ionq, rigetti, quantinuum の3種類の量子デバイスについて実験を行った。
これらのツールが組み合わされたのは初めてです。
関連論文リスト
- Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。
量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
論文 参考訳（メタデータ） (2024-06-17T18:20:51Z) - Data augmentation experiments with style-based quantum generative adversarial networks on trapped-ion and superconducting-qubit technologies [0.0]
この研究は、初めて、スタイルベースの量子生成逆数ネットワーク(qGAN)の量子ジェネレータアーキテクチャをどのように実装できるかを実証する。
2022年に提案されたスタイルベースのqGANは、qGANのための技術の現状を一般化し、浅い深度ネットワークを可能にする。
両デバイスで得られた結果は同等の品質であり、ia-1デバイスはibm_torinoデバイスよりもかなり正確な結果をもたらす。
論文 参考訳（メタデータ） (2024-05-07T15:26:51Z) - 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) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - Rapid cryogenic characterisation of 1024 integrated silicon quantum dots [0.6819010383838326]
1024個のシリコン量子ドットとオンチップのデジタルおよびアナログエレクトロニクスの統合を実証し、1K以下で動作した。
量子ドットパラメータは、高速自動機械学習ルーチンによって抽出され、量子ドットの収量を評価し、デバイス設計の影響を理解する。
その結果、シリコン量子デバイスの高速な大規模研究が、現在の探査技術よりも低い温度と測定速度で実施できることが示されている。
論文 参考訳（メタデータ） (2023-10-31T13:14:43Z) - A Model for Circuit Execution Runtime And Its Implications for Quantum
Kernels At Practical Data Set Sizes [0.5906031288935515]
本稿では,量子回路に要する総回路実行時間に関するモデルを提案する。
また、「回路の量子体積層の有効数」の概念も導入する。
現在の量子コンピュータの速度で、我々のモデルはデータセットを数時間で処理できると予測している。
論文 参考訳（メタデータ） (2023-07-11T02:38:22Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳（メタデータ） (2022-12-13T16:04:16Z) - Iterative Qubits Management for Quantum Index Searching in a Hybrid
System [56.39703478198019]
IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。
我々はQiskitでIQuCSを実装し、集中的な実験を行う。
その結果、量子ビットの消費を最大66.2%削減できることが示されている。
論文 参考訳（メタデータ） (2022-09-22T21:54:28Z) - Quantum Support Vector Machines for Continuum Suppression in B Meson
Decays [0.27342795342528275]
古典的データを量子状態に変換するプロセスである異なる量子符号化回路が最終分類性能に与える影響について検討する。
本稿では、量子回路シミュレーションを用いて、0.848のAUC(Area Under Receiver Operating Characteristics Curve)の符号化手法を提案する。
データセットの縮小バージョンを使用して、IBM Quantum ibmq_casablancaデバイス上でアルゴリズムを実行し、平均AUCは0.703に達した。
論文 参考訳（メタデータ） (2021-03-23T02:09:05Z) - A Hybrid System for Learning Classical Data in Quantum States [13.900722734372254]
我々は、量子状態を通して古典的なデータを学習するためのハイブリッドで汎用的な量子フレームワークGenQuを提案する。
我々は、実際のデータセットを用いてGenQuを評価し、シミュレーションと実量子コンピュータIBM-Qの両方で実験を行う。
論文 参考訳（メタデータ） (2020-12-01T04:17:33Z)
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。