論文の概要: Modeling Wavelet Transformed Quantum Support Vector for Network Intrusion Detection

• arxiv url: http://arxiv.org/abs/2512.01365v1
• Date: Mon, 01 Dec 2025 07:23:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.741859
• Title: Modeling Wavelet Transformed Quantum Support Vector for Network Intrusion Detection
• Title（参考訳）: ネットワーク侵入検出のためのウェーブレット変換量子支援ベクトルのモデル化
• Authors: Swati Kumari, Shiva Raj Pokhrel, Swathi Chandrasekhar, Navneet Singh, Hridoy Sankar Dutta, Adnan Anwar, Sutharshan Rajasegarar, Robin Doss,
• Abstract要約: 拡張量子サポートベクトルマシン(QSVM)と量子ハーアーウェーブレットパケット変換(QWPT)を統合した新しい量子古典的フレームワークを提案する。 提案手法では, 振幅エンコードクオンタム状態調製, マルチレベルQWPT特徴抽出, シャノンエントロピープロファイリングおよびChi-2乗検定による挙動解析を用いる。 BoT-IoTの96.67%、IoT-23データセットの89.67%、量子オートエンコーダのアプローチを7%以上越えている。
• 参考スコア（独自算出の注目度）: 9.036718544324573
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Network traffic anomaly detection is a critical cy- bersecurity challenge requiring robust solutions for complex Internet of Things (IoT) environments. We present a novel hybrid quantum-classical framework integrating an enhanced Quantum Support Vector Machine (QSVM) with the Quantum Haar Wavelet Packet Transform (QWPT) for superior anomaly classification under realistic noisy intermediate-scale Quantum conditions. Our methodology employs amplitude-encoded quan- tum state preparation, multi-level QWPT feature extraction, and behavioral analysis via Shannon Entropy profiling and Chi-square testing. Features are classified using QSVM with fidelity-based quantum kernels optimized through hybrid train- ing with simultaneous perturbation stochastic approximation (SPSA) optimizer. Evaluation under noiseless and depolarizing noise conditions demonstrates exceptional performance: 96.67% accuracy on BoT-IoT and 89.67% on IoT-23 datasets, surpassing quantum autoencoder approaches by over 7 percentage points.
• Abstract（参考訳）: ネットワークトラフィック異常検出は、複雑なIoT(Internet of Things)環境に対して堅牢なソリューションを必要とする、サイバセキュリティ上の重要な課題である。 本稿では,量子支援ベクトルマシン(QSVM)と量子ハールウェーブレットパケット変換(QWPT)を統合し,現実的な雑音の中規模量子条件下での優れた異常分類を実現する。 提案手法では, 振幅エンコードされたクオンタム状態調製, マルチレベルQWPT特徴抽出, シャノンエントロピープロファイリングおよびChi-2乗検定による挙動解析を用いる。 並列摂動確率近似(SPSA)オプティマイザを用いたハイブリッドトレインイングによって最適化された忠実度ベースの量子カーネルを備えたQSVMを用いて、特徴を分類する。 BoT-IoTの96.67%、IoT-23データセットの89.67%、量子オートエンコーダのアプローチを7%以上越えている。

関連論文リスト

• Modeling Quantum Autoencoder Trainable Kernel for IoT Anomaly Detection [5.822890076771093]
  本稿では,ネットワークトラフィックを潜在表現に圧縮し,侵入検出に量子支援ベクトル分類を用いる量子オートエンコーダフレームワークを提案する。 この研究は、量子機械学習を、現実のサイバーセキュリティの課題に対して実行可能な、ハードウェア対応のソリューションとして確立している。
  論文  参考訳（メタデータ） (2025-11-26T21:45:02Z)
• Hybrid Vision Transformer and Quantum Convolutional Neural Network for Image Classification [2.920575300184085]
  ViT-QCNN-FTは、微調整されたビジョントランスフォーマーと量子畳み込みニューラルネットワークを統合するハイブリッドフレームワークである。 均一に分散した絡み合いエントロピーを持つアンサーゼは、常に優れた非局所的特徴融合をもたらすことを示す。 QCNNを古典的なパラメータ数に置き換えると、劇的な29.36%の減少が起こり、量子優位性の明確な証拠が得られる。
  論文  参考訳（メタデータ） (2025-10-14T08:52:14Z)
• TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
  量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。 これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Post-Variational Ground State Estimation via QPE-Based Quantum Imaginary Time Evolution [0.0]
  本稿では,QPEに基づくQPE-QITE(Quantum imaginary Time Evolution)アルゴリズムについて述べる。 変分法とは異なり、QPE-QITEは量子レジスタを低エネルギー固有状態に投影するために追加のアンシラを用いる。 低自己相関バイナリシーケンス(LABS)問題に適用することで,QPE-QITEの機能を示す。
  論文  参考訳（メタデータ） (2025-04-15T18:44:14Z)
• Greedy Gradient-free Adaptive Variational Quantum Algorithms on a Noisy Intermediate Scale Quantum Computer [0.6020414684573572]
  ハイブリッド量子古典適応型VQE(Vari Quantum Eigensolvers)は、多体量子システムにおいて古典計算を上回る性能を持つ。 本稿では,Greedy Gradient-free Adaptive VQE (GGA-VQE) と呼ばれる解析的・勾配なし最適化を用いた適応アルゴリズムを提案する。 GGA-VQEを25量子ビットの量子回路上で実行し、良好な基底状態近似を求める。
  論文  参考訳（メタデータ） (2023-06-29T17:58:02Z)
• Optimal quantum control via genetic algorithms for quantum state engineering in driven-resonator mediated networks [68.8204255655161]
  進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。 我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。 アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
  論文  参考訳（メタデータ） (2022-06-29T14:34:00Z)
• 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。