論文の概要: Red Teaming Quantum-Resistant Cryptographic Standards: A Penetration Testing Framework Integrating AI and Quantum Security

• arxiv url: http://arxiv.org/abs/2509.22757v1
• Date: Fri, 26 Sep 2025 10:36:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:18.857956
• Title: Red Teaming Quantum-Resistant Cryptographic Standards: A Penetration Testing Framework Integrating AI and Quantum Security
• Title（参考訳）: Red Teaming Quantum-Resistant Cryptographic Standards: AIと量子セキュリティを統合する浸透テストフレームワーク
• Authors: Petar Radanliev,
• Abstract要約: 本研究では,量子暗号プロトコルの脆弱性を評価するための構造化アプローチを提案する。 BB84量子鍵分布法とNational Institute of Standards and Technology (NIST)が承認した量子耐性アルゴリズムに焦点を当てている。 AI駆動のレッドチーム、自動テスト、リアルタイム異常検出を統合することで、量子ネットワークにおけるセキュリティリスクを評価し緩和するフレームワークを開発する。
• 参考スコア（独自算出の注目度）: 1.0152838128195467
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study presents a structured approach to evaluating vulnerabilities within quantum cryptographic protocols, focusing on the BB84 quantum key distribution method and National Institute of Standards and Technology (NIST) approved quantum-resistant algorithms. By integrating AI-driven red teaming, automated penetration testing, and real-time anomaly detection, the research develops a framework for assessing and mitigating security risks in quantum networks. The findings demonstrate that AI can be effectively used to simulate adversarial attacks, probe weaknesses in cryptographic implementations, and refine security mechanisms through iterative feedback. The use of automated exploit simulations and protocol fuzzing provides a scalable means of identifying latent vulnerabilities, while adversarial machine learning techniques highlight novel attack surfaces within AI-enhanced cryptographic processes. This study offers a comprehensive methodology for strengthening quantum security and provides a foundation for integrating AI-driven cybersecurity practices into the evolving quantum landscape.
• Abstract（参考訳）: 本研究では,BB84量子鍵分布法と国立標準技術研究所(NIST)が承認した量子耐性アルゴリズムに着目し,量子暗号プロトコルの脆弱性を評価するための構造化アプローチを提案する。 AI駆動のレッドチーム化、自動侵入テスト、リアルタイム異常検出を統合することで、量子ネットワークにおけるセキュリティリスクを評価し緩和するフレームワークを開発する。 この結果は、AIが敵攻撃を効果的にシミュレートし、暗号実装の弱点を調査し、反復的なフィードバックを通じてセキュリティメカニズムを洗練できることを示している。 自動エクスプロイトシミュレーションとプロトコルファジィングを使用することで、潜伏する脆弱性を特定するためのスケーラブルな手段が提供される。 この研究は、量子セキュリティを強化するための包括的な方法論を提供し、進化する量子ランドスケープにAI駆動のサイバーセキュリティプラクティスを統合する基盤を提供する。

関連論文リスト

• Towards Adapting Federated & Quantum Machine Learning for Network Intrusion Detection: A Survey [7.598284763363093]
  本調査では,ネットワーク侵入検知システム(NIDS)とフェデレートラーニング(FL)の統合について検討する。 FLは、データのプライバシを保持しながら、分散デバイス間で協調的なモデルトレーニングを可能にする。 我々は、DDoS、MITM、ボットネット攻撃を含む脅威に対する、プライバシー保護技術、モデル圧縮アプローチ、および攻撃固有のフェデレーションソリューションについて、詳細な調査を行う。
  論文  参考訳（メタデータ） (2025-09-24T01:39:34Z)
• Quantum-driven Zero Trust Framework with Dynamic Anomaly Detection in 7G Technology: A Neural Network Approach [0.0]
  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。
  論文  参考訳（メタデータ） (2025-02-11T18:59:32Z)
• Cryptanalysis via Machine Learning Based Information Theoretic Metrics [58.96805474751668]
  本稿では,機械学習アルゴリズムの新たな2つの応用法を提案する。 これらのアルゴリズムは、監査設定で容易に適用でき、暗号システムの堅牢性を評価することができる。 本稿では,DES,RSA,AES ECBなど,IND-CPAの安全でない暗号化スキームを高精度に識別する。
  論文  参考訳（メタデータ） (2025-01-25T04:53:36Z)
• Practical hybrid PQC-QKD protocols with enhanced security and performance [44.8840598334124]
  我々は,量子古典ネットワーク内でQKDとPQCが相互運用するハイブリッドプロトコルを開発した。 特に、それぞれのアプローチの個々の性能に対して、スピードと/またはセキュリティを向上する可能性のある、異なるハイブリッド設計について検討する。
  論文  参考訳（メタデータ） (2024-11-02T00:02:01Z)
• Navigating Quantum Security Risks in Networked Environments: A Comprehensive Study of Quantum-Safe Network Protocols [1.7887848708497236]
  量子コンピューティングの出現は、ネットワークプロトコルに深刻なセキュリティ上の課題をもたらす。 本稿では,広く利用されているセキュリティプロトコルの多種多様な配列において,量子コンピューティングによって導入された脆弱性を網羅的に分析する。
  論文  参考訳（メタデータ） (2024-04-12T04:20:05Z)
• Red Teaming Generative AI/NLP, the BB84 quantum cryptography protocol and the NIST-approved Quantum-Resistant Cryptographic Algorithms [2.3020018305241337]
  この研究は、AI/自然言語処理(NLP)モデルと量子暗号プロトコルのサイバーセキュリティへの影響について論じる。 この研究は、PythonとC++を主要な計算ツールとして利用し、潜在的なサイバー攻撃をシミュレートする"red teaming"アプローチを採用している。 この研究の目標は、デジタル世界が量子化されたオペレーションに移行するにつれて、AIによるサイバー脅威に対して回復力を維持することである。
  論文  参考訳（メタデータ） (2023-09-17T00:59:14Z)
• 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)
• Increasing the Confidence of Deep Neural Networks by Coverage Analysis [71.57324258813674]
  本稿では、異なる安全でない入力に対してモデルを強化するために、カバレッジパラダイムに基づく軽量な監視アーキテクチャを提案する。 実験結果から,提案手法は強力な対向例とアウト・オブ・ディストリビューション・インプットの両方を検出するのに有効であることが示唆された。
  論文  参考訳（メタデータ） (2021-01-28T16:38:26Z)

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。