論文の概要: Quantum-driven Zero Trust Framework with Dynamic Anomaly Detection in 7G Technology: A Neural Network Approach

• arxiv url: http://arxiv.org/abs/2502.07779v1
• Date: Tue, 11 Feb 2025 18:59:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-12 14:07:18.460321
• Title: Quantum-driven Zero Trust Framework with Dynamic Anomaly Detection in 7G Technology: A Neural Network Approach
• Title（参考訳）: 7G技術における動的異常検出を用いた量子駆動ゼロ信頼フレームワーク:ニューラルネットワークによるアプローチ
• Authors: Shakil Ahmed, Ibne Farabi Shihab, Ashfaq Khokhar,
• Abstract要約: セキュリティ強化のためのQNN-ZTF(Quantum Neural Network-Enhanced Zero Trust Framework)を提案する。 セキュリティ強化のためにZero Trust Architecture, Intrusion Detection Systems, Quantum Neural Networks(QNN)を統合した。 サイバー脅威の軽減効果が向上し, 偽陽性と応答時間を減らすための枠組みの有効性が示された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: As cyber threats become more complex, modern networks struggle to balance security, scalability, and computational efficiency. While quantum computing offers a promising solution, adoption is limited by scalability constraints, inefficiencies in data encoding, and high computational costs. To address these challenges, we propose the Quantum Neural Network-Enhanced Zero Trust Framework (QNN-ZTF), integrating Zero Trust Architecture, Intrusion Detection Systems, and Quantum Neural Networks (QNNs) for enhanced security. Leveraging superposition, entanglement, and variational optimization, QNN-ZTF enables real-time anomaly detection and adaptive policy enforcement. Key contributions include a hybrid quantum-classical architecture for scalability, dynamic anomaly scoring for improved detection accuracy, and quantum micro-segmentation to contain threats and restrict lateral movement. Evaluation results show improved cyber threat mitigation, demonstrating the framework's effectiveness in reducing false positives and response times. This research establishes a scalable, adaptive, and quantum-optimized cybersecurity model, advancing quantum-enhanced security for next-generation networks.
• Abstract（参考訳）: サイバー脅威が複雑化するにつれ、現代のネットワークはセキュリティ、スケーラビリティ、計算効率のバランスをとるのに苦労している。 量子コンピューティングは有望なソリューションを提供するが、スケーラビリティの制約、データエンコーディングの非効率性、高い計算コストによって採用が制限される。 これらの課題に対処するために、Zero Trust Architecture、Intrusion Detection Systems、Quantum Neural Networks(QNN)を統合したQNN-ZTF(Quantum Neural Network-Enhanced Zero Trust Framework)を提案する。 QNN-ZTFは、重ね合わせ、絡み合い、変分最適化を利用して、リアルタイムな異常検出と適応的なポリシー適用を可能にする。 主なコントリビューションとしては、スケーラビリティのためのハイブリッド量子古典アーキテクチャ、検出精度の向上のための動的異常スコア、脅威を封じ込めて横移動を制限する量子マイクロセグメンテーションなどがある。 評価結果は、サイバー脅威軽減の改善を示し、偽陽性と応答時間を減らすためのフレームワークの有効性を示した。 この研究は、スケーラブルで適応的で量子最適化されたサイバーセキュリティモデルを確立し、次世代ネットワークの量子強化セキュリティを前進させる。

関連論文リスト

• Exact Quantum Algorithm for Unit Commitment Optimization based on Partially Connected Quantum Neural Networks [12.688426228429604]
  本稿では、量子ニューラルネットワーク(QNN)に基づく正確な量子アルゴリズムによる単位コミットメント問題の実装に焦点を当てる。 その結果、改良されたアルゴリズムにより正確な解を得ることができ、量子回路の深さを同時に低減できることがわかった。
  論文  参考訳（メタデータ） (2024-11-18T08:29:50Z)
• QIANets: Quantum-Integrated Adaptive Networks for Reduced Latency and Improved Inference Times in CNN Models [2.6663666678221376]
  畳み込みニューラルネットワーク(CNN)はコンピュータビジョンタスクにおいて大きな進歩を遂げているが、その高い推論時間とレイテンシは現実の応用性を制限している。 従来のGoogLeNet、DenseNet、ResNet-18モデルアーキテクチャを再設計する新しいアプローチであるQIANetを紹介します。 実験の限界にもかかわらず, 提案手法を検証, 評価し, 推論時間の短縮を実証し, 有効精度の保存を行った。
  論文  参考訳（メタデータ） (2024-10-14T09:24:48Z)
• Quantum-Trained Convolutional Neural Network for Deepfake Audio Detection [3.2927352068925444]
  ディープフェイク技術は プライバシー セキュリティ 情報整合性に 課題をもたらす 本稿では,ディープフェイク音声の検出を強化するために,量子学習型畳み込みニューラルネットワークフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-11T20:52:10Z)
• CTRQNets & LQNets: Continuous Time Recurrent and Liquid Quantum Neural Networks [76.53016529061821]
  Liquid Quantum Neural Network (LQNet) とContinuous Time Recurrent Quantum Neural Network (CTRQNet) を開発した。 LQNetとCTRQNetは、バイナリ分類によってCIFAR 10で40%の精度向上を実現している。
  論文  参考訳（メタデータ） (2024-08-28T00:56:03Z)
• RobQuNNs: A Methodology for Robust Quanvolutional Neural Networks against Adversarial Attacks [3.9554540293311864]
  Quanvolutional Neural Networks (QuNN) は量子層と古典層を統合している。 本研究は,QuNNの敵攻撃に対する堅牢性を高める新しい手法であるRobQuNNを紹介する。 その結果、QuNNはMNISTデータセットの古典的ネットワークに比べて最大60%高いロバスト性を示すことがわかった。
  論文  参考訳（メタデータ） (2024-07-04T12:13:52Z)
• Scaling Limits of Quantum Repeater Networks [62.75241407271626]
  量子ネットワーク(QN)は、セキュアな通信、強化されたセンシング、効率的な分散量子コンピューティングのための有望なプラットフォームである。 量子状態の脆弱な性質のため、これらのネットワークはスケーラビリティの観点から大きな課題に直面している。 本稿では,量子リピータネットワーク(QRN)のスケーリング限界について解析する。
  論文  参考訳（メタデータ） (2023-05-15T14:57:01Z)
• Quantization-aware Interval Bound Propagation for Training Certifiably Robust Quantized Neural Networks [58.195261590442406]
  我々は、逆向きに頑健な量子化ニューラルネットワーク(QNN)の訓練と証明の課題について検討する。 近年の研究では、浮動小数点ニューラルネットワークが量子化後の敵攻撃に対して脆弱であることが示されている。 本稿では、堅牢なQNNをトレーニングするための新しい方法であるQA-IBP(quantization-aware interval bound propagation)を提案する。
  論文  参考訳（メタデータ） (2022-11-29T13:32:38Z)
• 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)
• Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
  本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。 この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2022-04-18T21:45:13Z)
• Entanglement Rate Optimization in Heterogeneous Quantum Communication Networks [79.8886946157912]
  量子通信ネットワークは、将来6G以降の通信ネットワークにおいて重要な構成要素となる可能性のある、有望な技術として登場しつつある。 近年の進歩は、実際の量子ハードウェアによる小規模および大規模量子通信ネットワークの展開に繋がった。 量子ネットワークにおいて、絡み合いは異なるノード間でのデータ転送を可能にする鍵となるリソースである。
  論文  参考訳（メタデータ） (2021-05-30T11:34:23Z)
• Entangling Quantum Generative Adversarial Networks [53.25397072813582]
  量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
  論文  参考訳（メタデータ） (2021-04-30T20:38:41Z)

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。