論文の概要: Adversarial Limits of Quantum Certification: When Eve Defeats Detection

• arxiv url: http://arxiv.org/abs/2512.04391v1
• Date: Thu, 04 Dec 2025 02:24:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-05 21:11:45.958328
• Title: Adversarial Limits of Quantum Certification: When Eve Defeats Detection
• Title（参考訳）: 量子認証の逆の限界:Eve Defeats Detection
• Authors: Davut Emre Tasar,
• Abstract要約: 量子鍵分布のセキュリティは、観測された相関が真の量子絡み合いから生じるという証明に依存する。 Eve GAN(イーブ・ガン)は、量子と区別できない古典的な相関関係を生成するために訓練された生成的敵ネットワークである。 従来の認定試験では,同じ分布校正が,検出性能を44ポイント向上させるのが一般的である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Security of quantum key distribution (QKD) relies on certifying that observed correlations arise from genuine quantum entanglement rather than eavesdropper manipulation. Theoretical security proofs assume idealized conditions, practical certification must contend with adaptive adversaries who optimize their attack strategies against detection systems. Established fundamental adversarial limits for quantum certification using Eve GAN, a generative adversarial network trained to produce classical correlations indistinguishable from quantum. Our central finding: when Eve interpolates her classical correlations with quantum data at mixing parameter, all tested detection methods achieve ROC AUC = 0.50, equivalent to random guessing. This means an eavesdropper needs only 5% classical admixture to completely evade detection. Critically, we discover that same distribution calibration a common practice in prior certification studies inflates detection performance by 44 percentage points compared to proper cross distribution evaluation, revealing a systematic flaw that may have led to overestimated security claims. Analysis of Popescu Rohrlich (PR Box) regime identifies a sharp phase transition at CHSH S = 2.05: below this value, no statistical method distinguishes classical from quantum correlations; above it, detection probability increases monotonically. Hardware validation on IBM Quantum demonstrates that Eve-GAN achieves CHSH = 2.736, remarkably exceeding real quantum hardware performance (CHSH = 2.691), illustrating that classical adversaries can outperform noisy quantum systems on standard certification metrics. These results have immediate implications for QKD security: adversaries maintaining 95% quantum fidelity evade all tested detection methods. We provide corrected methodology using cross-distribution calibration and recommend mandatory adversarial testing for quantum security claims.
• Abstract（参考訳）: 量子鍵分布(QKD)のセキュリティは、観測された相関が盗聴者操作よりも真の量子絡みから生じることの証明に依存する。 理論的なセキュリティ証明は理想的な条件を前提としており、実際の認証は、検出システムに対する攻撃戦略を最適化する適応的な敵と競合しなければならない。 Eve GAN(英語版)は、量子と区別できない古典的相関を生成するために訓練された生成的敵ネットワークである。 我々の中心的な発見:イーブが古典的な相関関係を混合パラメータの量子データと補間すると、全ての試験された検出方法は、ランダムな推測と等価なROC AUC = 0.50を達成する。 つまり、eavesdropperは検出を完全に回避するために古典的なアドミックスを5%しか必要としない。 重要な点として,事前認証試験で共通する分布校正が,適切なクロスディストリビューション評価と比較して44パーセントの検出性能を増大させ,過大評価されたセキュリティクレームに繋がる可能性のある系統的欠陥を明らかにした。 ポープスク・ロールリッヒ (PR Box) 法則の解析では、CHSH S = 2.05における急激な相転移が同定される: この値以下では、古典的な量子相関を区別する統計手法は存在せず、その上、検出確率は単調に増大する。 IBM Quantumのハードウェア検証は、Eve-GANがCHSH = 2.736を達成し、実際の量子ハードウェア性能(CHSH = 2.691)を著しく上回り、古典的な敵が標準的な認証基準でノイズの多い量子システムより優れていることを示している。 これらの結果はQKDのセキュリティにすぐに影響し、95%の量子忠実性を維持する敵は全ての検査された検出方法を避ける。 我々は,クロスディストリビューションキャリブレーションを用いた補正手法を提案し,量子セキュリティクレームに対する強制的敵検定を推奨する。

関連論文リスト

• TARA Test-by-Adaptive-Ranks for Quantum Anomaly Detection with Conformal Prediction Guarantees [0.0]
  量子鍵分布(QKD)のセキュリティは、古典的な盗聴者シミュレーションと真の量子相関を区別する能力に依存する。 量子異常検出のための整合予測とシーケンシャルマーチンゲール検定を組み合わせた新しいフレームワークであるTARAを紹介する。
  論文  参考訳（メタデータ） (2025-12-03T17:53:38Z)
• Formal Verification of Noisy Quantum Reinforcement Learning Policies [0.0]
  量子強化学習(QRL)は、シーケンシャルな意思決定ポリシーを作成するために量子効果を使用することを目的としている。 QRLポリシーは、ビットフリップ、位相フリップ、偏極誤差など、量子測定やハードウェアノイズから不確実性に直面している。 トレーニング済みQRLポリシーの解析に確率論的モデルチェックを適用する形式的検証手法であるQVerifierを導入する。
  論文  参考訳（メタデータ） (2025-12-01T10:26:33Z)
• Quantum Gated Recurrent GAN with Gaussian Uncertainty for Network Anomaly Detection [10.435718832887988]
  時系列データの異常検出は、ネットワークセキュリティに重要な意味を持つ重要な課題である。 最近の量子機械学習アプローチでは、異常検出のための複雑なデータ分布をキャプチャするが、制限されたキュービット数によって制限される。 本稿では,QGRU(Quantum Gated Recurrent Unit)をベースとしたGAN(Generative Adversarial Network)によるネットワーク異常検出手法を提案する。
  論文  参考訳（メタデータ） (2025-10-30T13:39:44Z)
• Bayesian Quantum Amplitude Estimation [46.03321798937855]
  量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。 耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。 本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• QuanTest: Entanglement-Guided Testing of Quantum Neural Network Systems [45.18451374144537]
  量子ニューラルネットワーク(QNN)は、ディープラーニング(DL)原理と量子力学の基本理論を組み合わせて、量子加速による機械学習タスクを実現する。 QNNシステムは従来の量子ソフトウェアと古典的なDLシステムとは大きく異なり、QNNテストにとって重要な課題となっている。 QNNシステムにおける潜在的誤動作を明らかにするために,量子絡み合い誘導型対向テストフレームワークであるQuanTestを提案する。
  論文  参考訳（メタデータ） (2024-02-20T12:11:28Z)
• Classical certification of quantum gates under the dimension assumption [0.1874930567916036]
  本稿では,実用的なサーバユーザシナリオに適した量子ゲートの認証手法を提案する。 単一量子ビットの量子計算の普遍的な集合を構成するものを含む単一量子ビットのゲートに対しては、我々のアプローチが音響性を保証することを実証する。
  論文  参考訳（メタデータ） (2024-01-30T13:40:39Z)
• Quantum Conformal Prediction for Reliable Uncertainty Quantification in Quantum Machine Learning [47.991114317813555]
  量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。 本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
  論文  参考訳（メタデータ） (2023-04-06T22:05:21Z)
• Certified Robustness of Quantum Classifiers against Adversarial Examples through Quantum Noise [68.1992787416233]
  量子ランダムな回転雑音を加えることで、敵攻撃に対する量子分類器のロバスト性を向上できることを示す。 我々は、量子分類器が敵の例に対して防御できるように、証明された堅牢性を導出する。
  論文  参考訳（メタデータ） (2022-11-02T05:17:04Z)
• Efficient and robust certification of genuine multipartite entanglement in noisy quantum error correction circuits [58.720142291102135]
  実効多部絡み(GME)認証のための条件付き目撃手法を導入する。 線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。 本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
  論文  参考訳（メタデータ） (2020-10-06T18:00:07Z)

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。