論文の概要: Hybrid Quantum-Classical Autoencoders for Unsupervised Network Intrusion Detection

• arxiv url: http://arxiv.org/abs/2512.05069v1
• Date: Thu, 04 Dec 2025 18:29:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-05 21:11:46.316842
• Title: Hybrid Quantum-Classical Autoencoders for Unsupervised Network Intrusion Detection
• Title（参考訳）: 教師なしネットワーク侵入検出のためのハイブリッド量子古典型オートエンコーダ
• Abstract要約: 教師なしの異常に基づく侵入検知は、訓練中に観察されていない攻撃パターンを一般化するモデルを必要とする。 本研究は,本課題に対するハイブリッド量子古典(HQC)オートエンコーダの大規模評価である。
• 参考スコア（独自算出の注目度）: 5.4115303704333515
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unsupervised anomaly-based intrusion detection requires models that can generalize to attack patterns not observed during training. This work presents the first large-scale evaluation of hybrid quantum-classical (HQC) autoencoders for this task. We construct a unified experimental framework that iterates over key quantum design choices, including quantum-layer placement, measurement approach, variational and non-variational formulations, and latent-space regularization. Experiments across three benchmark NIDS datasets show that HQC autoencoders can match or exceed classical performance in their best configurations, although they exhibit higher sensitivity to architectural decisions. Under zero-day evaluation, well-configured HQC models provide stronger and more stable generalization than classical and supervised baselines. Simulated gate-noise experiments reveal early performance degradation, indicating the need for noise-aware HQC designs. These results provide the first data-driven characterization of HQC autoencoder behavior for network intrusion detection and outline key factors that govern their practical viability. All experiment code and configurations are available at https://github.com/arasyi/hqcae-network-intrusion-detection.
• Abstract（参考訳）: 教師なしの異常に基づく侵入検知は、訓練中に観察されていないパターンを攻撃するために一般化できるモデルを必要とする。 本研究は,本課題に対するハイブリッド量子古典(HQC)オートエンコーダの大規模評価である。 量子層配置, 測定アプローチ, 変分および非変分定式化, 潜時空間正則化など, 主要な量子設計選択を反復する統一的な実験フレームワークを構築した。 3つのベンチマークNIDSデータセットによる実験では、HQCオートエンコーダは、アーキテクチャ上の決定に対して高い感度を示すものの、最高の構成で古典的なパフォーマンスにマッチまたは超えることが示されている。 ゼロデイ評価では、よく構成されたHQCモデルは、古典的および教師付きベースラインよりも強く、より安定した一般化を提供する。 シミュレートされたゲートノイズ実験は初期の性能劣化を示し、ノイズを意識したHQC設計の必要性を示している。 これらの結果は、HQCオートエンコーダの動作を初めてデータ駆動で解析し、ネットワーク侵入検出を行い、その実用性を管理する重要な要素を概説する。 実験コードと設定はすべてhttps://github.com/arasyi/hqcae-network-intrusion-detectionで確認できる。

関連論文リスト

• Hybrid Quantum-Classical GANs for the Generation of Adversarial Network Flows [0.0]
  本稿では、悪意のあるトラフィックを模倣した合成ネットワークトラフィックフローを生成するためのハイブリッド量子古典的GAN(QC-GAN)フレームワークを提案する。 従来の判別器は、現実世界のデータセットと提案されたQC-GAN生成のフェイクネットワークフローに基づいて訓練される。 攻撃モデルでは、攻撃者は量子コンピューティング能力に制限がある状態アクターであり、識別器は古典的であると仮定する。
  論文  参考訳（メタデータ） (2026-05-07T17:43:25Z)
• Domain-Aware Hybrid Quantum Learning via Correlation-Guided Circuit Design for Crime Pattern Analytics [54.3410887955176]
  犯罪パターン分析は法執行機関と予測警察にとって重要である。 急速な都市化による犯罪活動の急増は、高次元の不均衡なデータセットを生み出す。 本研究では,犯罪分析のための量子古典比較フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-08T06:05:25Z)
• CLAIRE: Compressed Latent Autoencoder for Industrial Representation and Evaluation -- A Deep Learning Framework for Smart Manufacturing [51.56484100374058]
  CLAIREは、教師なしの深層表現学習と、スマート製造システムにおけるインテリジェントな品質管理のための教師付き分類を統合したハイブリッドエンドツーエンド学習フレームワークである。 最適化されたディープオートエンコーダを使用して、生の入力をコンパクトな潜伏空間に変換し、不適切な特徴やノイズを抑えながら本質的なデータ構造を効果的にキャプチャする。 提案したフレームワークは、堅牢な障害検出のために、説明可能なAIと機能認識の正規化を統合する可能性を強調している。
  論文  参考訳（メタデータ） (2026-03-06T15:11:58Z)
• Quantum AI for Cybersecurity: A hybrid Quantum-Classical models for attack path analysis [1.2676356746752895]
  本研究では,ハイブリッド量子古典学習の可能性について検討し,侵入検出のための特徴表現を強化する。 量子化された表現は、データが不足している場合により優れた攻撃リコールとクラス分離性を示す。 結果は、サイバーセキュリティタスクの一般化と表現品質を改善するための量子埋め込みの可能性を強調している。
  論文  参考訳（メタデータ） (2026-01-05T16:11:39Z)
• Quantum Machine Learning Approaches for Coordinated Stealth Attack Detection in Distributed Generation Systems [0.0]
  コーディネートステルス攻撃は、分散型システムにとって深刻なサイバーセキュリティの脅威である。 本研究では,マイクログリッドにおける分散生成ユニットにおける協調ステルス攻撃検出のための量子機械学習手法について検討した。
  論文  参考訳（メタデータ） (2025-12-30T18:32:13Z)
• 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)
• Quantum Autoencoders for Anomaly Detection in Cybersecurity [0.0]
  サイバーセキュリティにおける異常検出に量子オートエンコーダ(QAE)を適用し,特にBPF拡張トラッキング・ハニーポット(BETH)データセットについて検討した。 以上の結果から,Dense-AngleエンコーディングとRealAmplitude ansatzを用いた8機能QAEは,古典的オートエンコーダ(CAE)よりも優れていることが示された。 データ制限設定では、最高のパフォーマンスのQAEモデルは、CAE(0.77)よりもF1スコアが0.87である。
  論文  参考訳（メタデータ） (2025-10-22T12:32:34Z)
• Quantum-Enhanced Generative Adversarial Networks: Comparative Analysis of Classical and Hybrid Quantum-Classical Generative Adversarial Networks [0.0]
  高忠実度データサンプルを作成するための強力なパラダイムとして、GAN(Generative Adversarial Network)が登場した。 本研究では、パラメータ化量子回路を用いて実装された量子発生器が古典的判別器の潜在ベクトルを生成するハイブリッド量子古典型GAN(HQCGAN)について検討する。 我々は,Qiskit の AerSimulator を用いて,3,5,7量子ビットのHQCGAN 変種とともに古典的 GAN を評価する。
  論文  参考訳（メタデータ） (2025-08-10T18:34:53Z)
• Fooling the Decoder: An Adversarial Attack on Quantum Error Correction [49.48516314472825]
  本研究では,基本的なRL曲面符号デコーダ(DeepQ)を目標とし,量子誤り訂正に対する最初の逆攻撃を生成する。 メモリ実験における論理量子ビット寿命を最大5桁まで短縮する攻撃を実証する。 この攻撃は、機械学習ベースのQECの感受性を強調し、堅牢なQEC手法に関するさらなる研究の重要性を強調している。
  論文  参考訳（メタデータ） (2025-04-28T10:10:05Z)
• Problem-Dependent Power of Quantum Neural Networks on Multi-Class Classification [83.20479832949069]
  量子ニューラルネットワーク(QNN)は物理世界を理解する上で重要なツールとなっているが、その利点と限界は完全には理解されていない。 本稿では,多クラス分類タスクにおけるQCの問題依存力について検討する。 我々の研究はQNNの課題依存力に光を当て、その潜在的なメリットを評価するための実践的なツールを提供する。
  論文  参考訳（メタデータ） (2022-12-29T10:46:40Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• Hybrid Classical-Quantum Autoencoder for Anomaly Detection [0.0]
  古典的オートエンコーダ(AE)とパラメタライズド量子回路(PQC)の相乗効果であるハイブリッド古典量子オートエンコーダ(HAE)モデルを提案する。 PQCは、古典的データセット内の異常なデータポイントを探索するために標準の外れ値検出法を適用する潜在空間を拡大する。 PQCの追加は、精度、リコール、F1スコアの点で性能の向上につながることを示す。
  論文  参考訳（メタデータ） (2021-12-16T13:27:24Z)
• CPFN: Cascaded Primitive Fitting Networks for High-Resolution Point Clouds [51.47100091540298]
  本稿では,グローバルおよびローカルなプリミティブ検出ネットワークの検出結果をアダプティブパッチサンプリングネットワークに依存したCPFN(Cascaded Primitive Fitting Networks)を提案する。 CPFNは、高解像度のポイントクラウドデータセット上で、最先端のSPFNのパフォーマンスを13-14%改善し、特に20-22%の微細プリミティブの検出を改善している。
  論文  参考訳（メタデータ） (2021-08-31T23:27:33Z)
• Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
  SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。 ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
  論文  参考訳（メタデータ） (2021-03-08T10:56:38Z)
• Generation of High-Resolution Handwritten Digits with an Ion-Trap Quantum Computer [55.41644538483948]
  本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。 我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
  論文  参考訳（メタデータ） (2020-12-07T18:51:28Z)

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。