論文の概要: Quantum Computing Methods for Malware Detection

• arxiv url: http://arxiv.org/abs/2510.06803v1
• Date: Wed, 08 Oct 2025 09:31:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.389252
• Title: Quantum Computing Methods for Malware Detection
• Title（参考訳）: マルウェア検出のための量子計算法
• Authors: Eliška Krátká, Aurél Gábor Gábris,
• Abstract要約: SVMと比較して量子支援ベクトルマシン(QSVM)アルゴリズムの性能について検討する。 異なる特徴マップを通して量子カーネルを組み込んだQSVMアルゴリズムを,Qiskit SDKおよびIBM量子コンピュータ内のローカルシミュレータ上で実装し,評価した。 本稿では,Qiskit Machine Learningライブラリのベースコードに対して開発・適用する必要があった修正とともに,発生した重要な問題について詳述する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we explore the potential of quantum computing in enhancing malware detection through the application of Quantum Machine Learning (QML). Our main objective is to investigate the performance of the Quantum Support Vector Machine (QSVM) algorithm compared to SVM. A publicly available dataset containing raw binaries of Portable Executable (PE) files was used for the classification. The QSVM algorithm, incorporating quantum kernels through different feature maps, was implemented and evaluated on a local simulator within the Qiskit SDK and IBM quantum computers. Experimental results from simulators and quantum hardware provide insights into the behavior and performance of quantum computers, especially in handling large-scale computations for malware detection tasks. The work summarizes the practical experience with using quantum hardware via the Qiskit interfaces. We describe in detail the critical issues encountered, as well as the fixes that had to be developed and applied to the base code of the Qiskit Machine Learning library. These issues include missing transpilation of the circuits submitted to IBM Quantum systems and exceeding the maximum job size limit due to the submission of all the circuits in one job.
• Abstract（参考訳）: 本稿では,QML(Quantum Machine Learning)の適用を通じて,マルウェア検出の強化における量子コンピューティングの可能性を検討する。 本研究の目的は,量子支援ベクトルマシン(QSVM)アルゴリズムの性能をSVMと比較して検討することである。 この分類には Portable Executable (PE) ファイルの生バイナリを含む公開データセットが使用された。 異なる特徴マップを通して量子カーネルを組み込んだQSVMアルゴリズムを,Qiskit SDKおよびIBM量子コンピュータ内のローカルシミュレータ上で実装し,評価した。 シミュレータと量子ハードウェアによる実験結果から、量子コンピュータの挙動と性能、特にマルウェア検出タスクの大規模計算処理に関する知見が得られる。 この研究は、Qiskitインターフェイスを介して量子ハードウェアを使用する実践的な経験を要約している。 本稿では,Qiskit Machine Learningライブラリのベースコードに対して開発・適用する必要があった修正とともに,発生した重要な問題について詳述する。 これらの問題には、IBM Quantumシステムに送信された回路のトランスパイルの欠如と、すべての回路が1ジョブで送信されるため、最大ジョブサイズ制限を超えることが含まれる。

関連論文リスト

• Quantum-enhanced Computer Vision: Going Beyond Classical Algorithms [50.573955644831386]
  QeCV(Quantum-enhanced Computer Vision)は、コンピュータビジョン、機械学習、量子コンピューティングの交差点における新しい研究分野である。 量子コンピューティングの助けを借りて、視覚信号の処理や解釈の仕方を変える可能性が高い。 本調査はQeCVに関する既存の文献に貢献し,本研究分野の総合的なレビューを行った。
  論文  参考訳（メタデータ） (2025-10-08T17:59:51Z)
• Benchmarking MedMNIST dataset on real quantum hardware [1.874615333573157]
  量子機械学習(QML)は、複雑な分類タスクを解決するために量子システムの計算能力を活用する、有望な領域として登場した。 MedMNISTは、127量子ビットの実際のIBM量子ハードウェア上での医療画像データセットの多種多様なコレクションである。 本研究では、デバイス対応量子回路、エラー抑制、医用画像分類の緩和など、最近の量子コンピューティングの進歩について検討する。
  論文  参考訳（メタデータ） (2025-02-18T17:02:41Z)
• A Machine Learning-Based Error Mitigation Approach For Reliable Software Development On IBM'S Quantum Computers [8.50998018964906]
  現在の量子コンピュータには固有のノイズがあり、量子コンピュータ上で実行される量子ソフトウェアの出力に誤差をもたらす。 本稿では、量子ソフトウェア出力におけるノイズエラーを軽減するために、Q-LEARと呼ばれる実用的な機械学習手法を提案する。 その結果、Q-LEARはベースラインと比較して、実量子コンピュータとシミュレータの両方で平均25%の誤差低減を実現した。
  論文  参考訳（メタデータ） (2024-04-19T13:51:40Z)
• Stressing Out Modern Quantum Hardware: Performance Evaluation and Execution Insights [2.2091590689610823]
  ストレステスト(英語: stress testing)とは、特定のしきい値を超えた計算負荷を与えることによってシステムを評価する手法である。 我々は,ストレステストに基づくプロトコルを用いて,量子H1イオントラップ装置の質的,定量的評価を行う。
  論文  参考訳（メタデータ） (2024-01-24T20:22:34Z)
• Delegated variational quantum algorithms based on quantum homomorphic encryption [69.50567607858659]
  変分量子アルゴリズム(VQA)は、量子デバイス上で量子アドバンテージを達成するための最も有望な候補の1つである。 クライアントのプライベートデータは、そのような量子クラウドモデルで量子サーバにリークされる可能性がある。 量子サーバが暗号化データを計算するための新しい量子ホモモルフィック暗号(QHE)スキームが構築されている。
  論文  参考訳（メタデータ） (2023-01-25T07:00:13Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Iterative Qubits Management for Quantum Index Searching in a Hybrid System [56.39703478198019]
  IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。 我々はQiskitでIQuCSを実装し、集中的な実験を行う。 その結果、量子ビットの消費を最大66.2%削減できることが示されている。
  論文  参考訳（メタデータ） (2022-09-22T21:54:28Z)
• Quantum Machine Learning for Software Supply Chain Attacks: How Far Can We Go? [5.655023007686363]
  本稿では、量子機械学習(QML)と呼ばれる機械学習アルゴリズムに適用されたQCの高速化性能について分析する。 実際の量子コンピュータの限界により、QML法はQiskitやIBM Quantumといったオープンソースの量子シミュレータ上で実装された。 興味深いことに、実験結果は、SSC攻撃の古典的アプローチと比較して計算時間と精度の低下を示すことによって、QCの約束を早めることと異なる。
  論文  参考訳（メタデータ） (2022-04-04T21:16:06Z)
• Investigation of Quantum Support Vector Machine for Classification in NISQ era [0.0]
  本稿では,量子支援ベクトルマシン(QSVM)アルゴリズムとその回路バージョンについて検討する。 量子回路におけるトレーニングおよびテストデータサンプルを符号化し,QSVM回路実装手法の効率性を計算する。 我々は、現在のNISQデバイスにQSVMアルゴリズムを適用する際に直面する技術的困難を強調した。
  論文  参考訳（メタデータ） (2021-12-13T18:59:39Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。