論文の概要: Enhancing Network Anomaly Detection with Quantum GANs and Successive Data Injection for Multivariate Time Series
- arxiv url: http://arxiv.org/abs/2505.11631v1
- Date: Fri, 16 May 2025 18:47:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-20 14:57:10.750064
- Title: Enhancing Network Anomaly Detection with Quantum GANs and Successive Data Injection for Multivariate Time Series
- Title（参考訳）: 多変量時系列に対する量子GANと逐次データ注入によるネットワーク異常検出の強化
- Authors: Wajdi Hammami, Soumaya Cherkaoui, Shengrui Wang,
- Abstract要約: 本稿では,異常検出のためのQGANアーキテクチャを提案する。
データ再アップロードとSuDaIを統合することで、アプローチは古典的なデータを量子状態に効率的にマッピングする。
QGANは、異常検出において高いリコールとF1スコアとともに高い精度を達成し、古典モデルと比較して低いMSEを達成する。
- 参考スコア（独自算出の注目度）: 6.576759206183036
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum computing may offer new approaches for advancing machine learning, including in complex tasks such as anomaly detection in network traffic. In this paper, we introduce a quantum generative adversarial network (QGAN) architecture for multivariate time-series anomaly detection that leverages variational quantum circuits (VQCs) in combination with a time-window shifting technique, data re-uploading, and successive data injection (SuDaI). The method encodes multivariate time series data as rotation angles. By integrating both data re-uploading and SuDaI, the approach maps classical data into quantum states efficiently, helping to address hardware limitations such as the restricted number of available qubits. In addition, the approach employs an anomaly scoring technique that utilizes both the generator and the discriminator output to enhance the accuracy of anomaly detection. The QGAN was trained using the parameter shift rule and benchmarked against a classical GAN. Experimental results indicate that the quantum model achieves a accuracy high along with high recall and F1-scores in anomaly detection, and attains a lower MSE compared to the classical model. Notably, the QGAN accomplishes this performance with only 80 parameters, demonstrating competitive results with a compact architecture. Tests using a noisy simulator suggest that the approach remains effective under realistic noise-prone conditions.
- Abstract（参考訳）: 量子コンピューティングは、ネットワークトラフィックの異常検出などの複雑なタスクを含む、機械学習を進化させるための新しいアプローチを提供するかもしれない。
本稿では,変分量子回路(VQC)と時間ウィンドウシフト,データ再アップロード,逐次データインジェクション(SuDaI)を組み合わせた多変量時系列異常検出のための量子生成逆数ネットワーク(QGAN)アーキテクチャを提案する。
多変量時系列データを回転角として符号化する。
データ再アップロードとSuDaIの両方を統合することで、アプローチは古典的なデータを量子状態に効率的にマッピングし、利用可能なキュービット数の制限のようなハードウェア制限に対処するのに役立つ。
さらに, 異常検出の精度を高めるために, ジェネレータと判別器の出力を併用した異常スコアリング手法を採用した。
QGANはパラメータシフト規則を用いて訓練され、古典的なGANに対してベンチマークされた。
実験結果から、量子モデルは、異常検出において高いリコールとF1スコアとともに高い精度を達成し、古典モデルと比較して低いMSEを達成することが示唆された。
特に、QGANはこの性能を80のパラメータで達成し、コンパクトなアーキテクチャで競合する結果を実証している。
ノイズのあるシミュレータを用いた実験は、現実的なノイズ発生条件下では、このアプローチが有効であることを示唆している。
関連論文リスト
- Toward Practical Quantum Machine Learning: A Novel Hybrid Quantum LSTM for Fraud Detection [0.1398098625978622]
本稿では,不正検出のためのハイブリッド量子古典ニューラルネットワークアーキテクチャを提案する。
重畳や絡み合いなどの量子現象を活用することで、我々のモデルはシーケンシャルトランザクションデータの特徴表現を強化する。
その結果,従来のLSTMベースラインと比較して,精度,精度,リコール,F1スコアの競争力の向上が示された。
論文 参考訳（メタデータ） (2025-04-30T19:09:12Z) - An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。
入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。
我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
論文 参考訳（メタデータ） (2025-04-13T11:49:53Z) - EnQode: Fast Amplitude Embedding for Quantum Machine Learning Using Classical Data [4.329112531155235]
古典的なデータを量子回路に符号化するためには、振幅埋め込み(AE)が量子機械学習(QML)に不可欠である。
本稿では,データセットのクラスタリングによる制限に対処するシンボリック表現に基づく高速AE手法EnQodeを紹介する。
データマッピングにおける90%以上の忠実さを持つEnQodeは、ノイズの多い中間スケール量子(NISQ)デバイス上で、堅牢で高性能なQMLを実現する。
論文 参考訳（メタデータ） (2025-03-18T17:48:03Z) - Bayesian Quantum Amplitude Estimation [49.1574468325115]
本稿では,量子振幅推定のための雑音対応ベイズアルゴリズムであるBAEを紹介する。
我々は,BAEがハイゼンベルク限界推定を達成し,他の手法と比較した。
論文 参考訳（メタデータ） (2024-12-05T18:09:41Z) - Adaptive variational quantum dynamics simulations with compressed circuits and fewer measurements [4.2643127089535104]
AVQDS(T)と呼ばれる適応変分量子力学シミュレーション(AVQDS)法の改良版を示す。
このアルゴリズムは、変分力学の精度の尺度であるマクラクラン距離を一定しきい値以下に保つために、アンザッツ回路に不連結なユニタリゲートの層を適応的に加算する。
また、雑音耐性を増強した変動パラメータに対する線形運動方程式を解くために、固有値トランケーションに基づく手法を示す。
論文 参考訳（メタデータ） (2024-08-13T02:56:43Z) - Discrete Randomized Smoothing Meets Quantum Computing [40.54768963869454]
重畳における入力バイナリデータの摂動をエンコードし、量子振幅推定(QAE)を用いてモデルへの呼び出し数を2次的に削減する方法を示す。
さらに、画像、グラフ、テキストに対するアプローチの広範な評価を可能にする新しいバイナリ脅威モデルを提案する。
論文 参考訳（メタデータ） (2024-08-01T20:21:52Z) - Quantum Patch-Based Autoencoder for Anomaly Segmentation [44.99833362998488]
画像の異常セグメンテーションのためのパッチベースの量子オートエンコーダ(QPB-AE)を提案する。
QPB-AEは、組み込まれた入力パッチの量子状態を再構成し、測定から直接異常マップを計算する。
複数のデータセットとパラメータ構成でその性能を評価する。
論文 参考訳（メタデータ） (2024-04-26T08:42:58Z) - Successive Data Injection in Conditional Quantum GAN Applied to Time
Series Anomaly Detection [9.485184460679232]
逐次データインジェクション(SuDaI)と呼ばれる新しい高次元符号化手法を提案する。
SuDaIエンコーディングにより、既存のQGANよりもはるかに高次元のネットワークデータによる異常検出にQGANを適用することができる。
論文 参考訳（メタデータ） (2023-10-08T22:58:44Z) - Detection of Anomalies in Multivariate Time Series Using Ensemble
Techniques [3.2422067155309806]
最終的な決定に向けて,複数の基本モデルを組み合わせたアンサンブル手法を提案する。
また,ロジスティック回帰器を用いて基本モデルの出力を結合する半教師付き手法を提案する。
異常検出精度の点での性能改善は、教師なしモデルでは2%、半教師なしモデルでは少なくとも10%に達する。
論文 参考訳（メタデータ） (2023-08-06T17:51:22Z) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳（メタデータ） (2021-12-10T17:32:15Z) - AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。
我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
論文 参考訳（メタデータ） (2020-07-14T09:07:29Z)
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。