論文の概要: A Quantum Algorithm for Assessing Node Importance in the st-Connectivity Attack
- arxiv url: http://arxiv.org/abs/2502.00446v2
- Date: Thu, 20 Mar 2025 17:16:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-21 16:31:30.550088
- Title: A Quantum Algorithm for Assessing Node Importance in the st-Connectivity Attack
- Title（参考訳）: st接続性攻撃におけるノード重要度評価のための量子アルゴリズム
- Authors: Iain Burge, Michel Barbeau, Joaquin Garcia-Alfaro,
- Abstract要約: この研究は、ターゲット接続を維持するノードの重要性を近似するための量子的アプローチを記述する。
近似法は、st結合性およびシャプリー値の近似に量子サブルーチンに依存する。
悪意あるアクターがノードのサブセットを乱してシステム機能を乱す、st接続攻撃シナリオを考察する。
- 参考スコア（独自算出の注目度）: 0.8739101659113155
- License:
- Abstract: Problems in distributed security often naturally map to graphs. The centrality of nodes assesses the importance of nodes in a graph. It is used in various applications. Cooperative game theory has been used to create nuanced and flexible notions of node centrality. However, the approach is often computationally complex to implement classically. This work describes a quantum approach to approximating the importance of nodes that maintain a target connection. In addition, we detail a method for quickly identifying high-importance nodes. The approximation method relies on quantum subroutines for st-connectivity and approximating Shapley values. The search for important nodes relies on a quantum algorithm to find the maximum. We consider st-connectivity attack scenarios in which a malicious actor disrupts a subset of nodes to perturb the system functionality. Our methods identify the nodes that are most important in minimizing the impact of the attack. The node centrality metric identifies where more redundancy is required and can be used to enhance network resiliency. Finally, we explore the potential complexity benefits of our quantum approach in contrast to classical random sampling.
- Abstract（参考訳）: 分散セキュリティの問題は、しばしば自然にグラフにマップされる。
ノードの中央性は、グラフ内のノードの重要性を評価する。
様々な用途で使用されている。
協調ゲーム理論は、ノード中心性のニュアンスで柔軟な概念を作成するために使われてきた。
しかし、この手法は古典的に実装するのにしばしば複雑である。
この研究は、ターゲット接続を維持するノードの重要性を近似するための量子的アプローチを記述する。
さらに,重要度の高いノードを迅速に同定する手法について述べる。
近似法は、st結合性およびシャプリー値の近似に量子サブルーチンに依存する。
重要なノードの探索は、最大を求めるために量子アルゴリズムに依存する。
悪意あるアクターがノードのサブセットを乱してシステム機能を乱す、st接続攻撃シナリオを考察する。
本手法は,攻撃の影響を最小限に抑える上で最も重要なノードを同定する。
ノード中央度メトリックは、より多くの冗長性が必要な場所を特定し、ネットワークの回復力を高めるために使用することができる。
最後に、古典的なランダムサンプリングとは対照的に、量子アプローチの潜在的な複雑さの利点について検討する。
関連論文リスト
- A Fast Algorithm for Moderating Critical Nodes via Edge Removal [19.130541561303293]
対象ノードの情報集中度を最小限に抑えるために,ネットワークから$k$エッジを除去する問題について検討する。
ランダムウォークに基づくシュア補数近似や高速和推定などの新しい手法を用いて、3つの近似グリードアルゴリズムを提案する。
理論的解析を補完するため、100万以上のノードを持つ合成および実ネットワークに関する包括的な実験を行う。
論文 参考訳（メタデータ） (2023-09-09T13:54:34Z) - Communication-Efficient Decentralized Federated Learning via One-Bit
Compressive Sensing [52.402550431781805]
分散連合学習(DFL)は、様々なアプリケーションにまたがる実用性によって人気を博している。
集中型バージョンと比較して、DFLの多数のノード間で共有モデルをトレーニングするのはより難しい。
我々は,iADM (iexact alternating direction method) の枠組みに基づく新しいアルゴリズムを開発した。
論文 参考訳（メタデータ） (2023-08-31T12:22:40Z) - Network Centralities in Quantum Entanglement Distribution due to User
Preferences [5.243460995467895]
本稿では,ピアツーピア接続の利用パターンによって絡み合いのリンク層トポロジが駆動される場合のネットワークの中央性について検討する。
このことは、絡み合ったグラフのエッジ中心性(絡み合い分布における個々のエッジの使用として測定される)が、電力法則分布に従うことを示している。
これらの発見は、高い信頼性と低いデコヒーレンス時間を持つ量子技術のような量子資源管理において、高い集中度を持つエッジに割り当てられる可能性がある。
論文 参考訳（メタデータ） (2023-08-16T07:00:09Z) - NodeFormer: A Scalable Graph Structure Learning Transformer for Node
Classification [70.51126383984555]
本稿では,任意のノード間のノード信号を効率的に伝搬する全ペアメッセージパッシング方式を提案する。
効率的な計算は、カーナライズされたGumbel-Softmax演算子によって実現される。
グラフ上のノード分類を含む様々なタスクにおいて,本手法の有望な有効性を示す実験を行った。
論文 参考訳（メタデータ） (2023-06-14T09:21:15Z) - Learning to Detect Critical Nodes in Sparse Graphs via Feature Importance Awareness [53.351863569314794]
クリティカルノード問題(CNP)は、削除が残余ネットワークのペア接続性を最大に低下させるネットワークから臨界ノードの集合を見つけることを目的としている。
本研究は,ノード表現のための特徴重要度対応グラフアテンションネットワークを提案する。
ダブルディープQネットワークと組み合わせて、初めてCNPを解くエンドツーエンドのアルゴリズムを作成する。
論文 参考訳（メタデータ） (2021-12-03T14:23:05Z) - Reasoning Graph Networks for Kinship Verification: from Star-shaped to
Hierarchical [85.0376670244522]
階層型推論グラフネットワークの学習による顔の親和性検証の問題点について検討する。
より強力で柔軟なキャパシティを利用するために,星型推論グラフネットワーク(S-RGN)を開発した。
また、より強力で柔軟なキャパシティを利用する階層型推論グラフネットワーク(H-RGN)も開発しています。
論文 参考訳（メタデータ） (2021-09-06T03:16:56Z) - A QUBO formulation for top-$\tau$ eigencentrality nodes [0.0]
本稿では,ネットワークの固有ベクトルから得られるスコアでネットワークのノードの重要度をランク付けする,固有分散性問題の解決の基礎を定めている。
この問題は、量子アーキテクチャの両方で解ける2次非制約バイナリ最適化(QUBO)として再構成される。
その結果、D-Wave と IBM の量子コンピュータ上でのネットワーク内の最高固有中央性ノードを最大$tau$で識別する問題のQUBO定式化のスパースベクトル解によって与えられる多数のネットワークにおいて、与えられた最も重要なノードの数を正確に特定することに焦点を当てた。
論文 参考訳（メタデータ） (2021-05-01T05:35:44Z) - Graph neural network based approximation of Node Resiliency in complex
networks [1.629817296011086]
大規模複雑ネットワークにおけるノードレジリエンスを近似するためのグラフニューラルネットワーク(GNN)に基づくフレームワークを提案する。
提案フレームワークは、ノードの小さな代表部分集合上のノードランクを学習するGNNモデルを定義する。
このフレームワークのスケーラビリティは,実世界のグラフにおけるノードランクの予測を通じて実証される。
論文 参考訳（メタデータ） (2020-12-26T05:37:18Z) - Graph Prototypical Networks for Few-shot Learning on Attributed Networks [72.31180045017835]
グラフメタ学習フレームワーク - Graph Prototypeal Networks (GPN) を提案する。
GPNは、属性付きネットワーク上でテキストミータ学習を行い、ターゲット分類タスクを扱うための高度に一般化可能なモデルを導出する。
論文 参考訳（メタデータ） (2020-06-23T04:13:23Z) - Quantized Decentralized Stochastic Learning over Directed Graphs [54.005946490293496]
有向グラフ上で通信する計算ノード間でデータポイントが分散される分散学習問題を考える。
モデルのサイズが大きくなるにつれて、分散学習は、各ノードが隣人にメッセージ(モデル更新)を送信することによる通信負荷の大きなボトルネックに直面します。
本稿では,分散コンセンサス最適化におけるプッシュサムアルゴリズムに基づく有向グラフ上の量子化分散学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-02-23T18:25:39Z)
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。