論文の概要: Quantum Machine Learning for Anomaly Detection in Consumer Electronics

• arxiv url: http://arxiv.org/abs/2409.00294v1
• Date: Fri, 30 Aug 2024 23:28:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 15:46:49.805405
• Title: Quantum Machine Learning for Anomaly Detection in Consumer Electronics
• Title（参考訳）: 消費者電子製品における異常検出のための量子機械学習
• Authors: Sounak Bhowmik, Himanshu Thapliyal,
• Abstract要約: 本稿では,QML(Quantum Machine Learning)とその家電機器の異常検出への応用について紹介する。 異常検出タスクにQMLアルゴリズムを適用するための汎用フレームワークを提示した。 我々は,教師なし,教師なし,強化学習に基づくQMLアルゴリズムについて論じてきた。
• 参考スコア（独自算出の注目度）: 0.4604003661048266
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Anomaly detection is a crucial task in cyber security. Technological advancement brings new cyber-physical threats like network intrusion, financial fraud, identity theft, and property invasion. In the rapidly changing world, with frequently emerging new types of anomalies, classical machine learning models are insufficient to prevent all the threats. Quantum Machine Learning (QML) is emerging as a powerful computational tool that can detect anomalies more efficiently. In this work, we have introduced QML and its applications for anomaly detection in consumer electronics. We have shown a generic framework for applying QML algorithms in anomaly detection tasks. We have also briefly discussed popular supervised, unsupervised, and reinforcement learning-based QML algorithms and included five case studies of recent works to show their applications in anomaly detection in the consumer electronics field.
• Abstract（参考訳）: 異常検出はサイバーセキュリティにおいて重要なタスクである。 技術的進歩は、ネットワーク侵入、金融詐欺、ID盗難、不動産侵入のような新しいサイバー物理的脅威をもたらす。 急速に変化する世界では、しばしば出現する新しいタイプの異常により、古典的な機械学習モデルは全ての脅威を防ぐには不十分である。 量子機械学習(QML)は、異常をより効率的に検出できる強力な計算ツールとして登場している。 そこで本研究では,家電製品におけるQMLとその異常検出への応用について紹介する。 異常検出タスクにQMLアルゴリズムを適用するための汎用フレームワークを提示した。 また、教師なし、教師なし、強化学習に基づくQMLアルゴリズムについても論じており、消費者電子分野における異常検出への応用を示すための最近の5つのケーススタディも紹介している。

関連論文リスト

• Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
  我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。 この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。 我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
  論文  参考訳（メタデータ） (2024-11-13T12:03:39Z)
• QML-IDS: Quantum Machine Learning Intrusion Detection System [1.2016264781280588]
  本稿では量子コンピューティングと古典コンピューティングを組み合わせた新しい侵入検知システムQML-IDSを提案する。 QML-IDSはQuantum Machine Learning(QML)手法を用いてネットワークパターンを分析し、攻撃活動を検出する。 我々は,QML-IDSが攻撃検出に有効であることを示し,バイナリおよびマルチクラス分類タスクで良好に動作することを示す。
  論文  参考訳（メタデータ） (2024-10-07T13:07:41Z)
• Quantum Machine Learning: Performance and Security Implications in Real-World Applications [5.75595637818339]
  このポスターは、現実世界のアプリケーションにおける量子コンピューティングのパフォーマンスとセキュリティについて考察している。 本稿では,アルツハイマー病データセットを用いて,量子機械学習(QML)アルゴリズムの性能を従来のアルゴリズムと比較する。
  論文  参考訳（メタデータ） (2024-08-08T15:50:03Z)
• Vulnerability of Machine Learning Approaches Applied in IoT-based Smart Grid: A Review [51.31851488650698]
  機械学習(ML)は、IoT(Internet-of-Things)ベースのスマートグリッドでの使用頻度が高まっている。 電力信号に注入された逆方向の歪みは システムの正常な制御と操作に大きな影響を及ぼす 安全クリティカルパワーシステムに適用されたMLsgAPPの脆弱性評価を行うことが不可欠である。
  論文  参考訳（メタデータ） (2023-08-30T03:29:26Z)
• 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)
• Few-shot Weakly-supervised Cybersecurity Anomaly Detection [1.179179628317559]
  本稿では,既存の弱教師付きディープラーニング異常検出フレームワークの強化を提案する。 このフレームワークには、データ拡張、表現学習、順序回帰が含まれている。 そして、3つのベンチマークデータセット上で実装したフレームワークの性能を評価した。
  論文  参考訳（メタデータ） (2023-04-15T04:37:54Z)
• Leveraging a Probabilistic PCA Model to Understand the Multivariate Statistical Network Monitoring Framework for Network Security Anomaly Detection [64.1680666036655]
  確率的生成モデルの観点からPCAに基づく異常検出手法を再検討する。 2つの異なるデータセットを用いて数学的モデルを評価した。
  論文  参考訳（メタデータ） (2023-02-02T13:41:18Z)
• Benchmarking Adversarially Robust Quantum Machine Learning at Scale [20.76790069530767]
  簡単な画像データセットと複雑な画像データセットの両方に対して厳密なトレーニングを行うことで、量子MLネットワークのロバスト性をベンチマークする。 以上の結果から,QVCは古典的敵意攻撃に対して顕著に強靭性を示した。 量子と古典的ネットワークの結果を組み合わせることで,新たな敵攻撃検出技術を提案する。
  論文  参考訳（メタデータ） (2022-11-23T03:26:16Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• TELESTO: A Graph Neural Network Model for Anomaly Classification in Cloud Services [77.454688257702]
  機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。 1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。 与えられたデータの次元変化に不変な手法を提案する。
  論文  参考訳（メタデータ） (2021-02-25T14:24:49Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。