論文の概要: Cyber Risk Scoring with QUBO: A Quantum and Hybrid Benchmark Study

• arxiv url: http://arxiv.org/abs/2512.18305v1
• Date: Sat, 20 Dec 2025 10:34:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.279909
• Title: Cyber Risk Scoring with QUBO: A Quantum and Hybrid Benchmark Study
• Title（参考訳）: QUBOによるサイバーリスク調査 : 量子とハイブリッドベンチマークによる検討
• Authors: Remo Marini, Riccardo Arpe,
• Abstract要約: 複雑なITインフラにおけるサイバーリスクは、デジタルシステムの動的で相互接続的な性質のために大きな課題を生じさせる。 従来のメソッドは、しばしば、システムの複雑さでスケールしない静的で質的なモデルに依存して、不足する。 疑似非拘束バイナリ最適化に基づくサイバーリスク評価の新しい定量的手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Assessing cyber risk in complex IT infrastructures poses significant challenges due to the dynamic, interconnected nature of digital systems. Traditional methods often fall short, relying on static and largely qualitative models that do not scale with system complexity and fail to capture systemic interdependencies. In this work, we introduce a novel quantitative approach to cyber risk assessment based on Quadratic Unconstrained Binary Optimization (QUBO), a formulation compatible with both classical computing and quantum annealing. We demonstrate the capabilities of our approach using a realistic 255-nodes layered infrastructure, showing how risk spreads in non-trivial patterns that are difficult to identify through visual inspection alone. To assess scalability, we further conduct extensive experiments on networks up to 1000 nodes comparing classical, quantum, and hybrid classical-quantum workflows. Our results reveal that although quantum annealing produces solutions comparable to classical heuristics, its potential advantages are significantly hindered by the embedding overhead required to map the densely connected cyber-risk QUBO onto the limited connectivity of current quantum hardware. By contrast, hybrid quantum-classical solvers avoid this bottleneck and therefore emerge as a promising option, combining competitive scaling with an improved ability to explore the solution space and identify more stable risk configurations. Overall, this work delivers two main advances. First, we present a rigorous, tunable, and generalizable mathematical model for cyber risk that can be adapted to diverse infrastructures and domains through flexible parameterization. Second, we provide the first comparative study of classical, quantum, and hybrid approaches for cyber risk scoring at scale, highlighting the emerging potential of hybrid quantum-classical methods for large-scale infrastructures.
• Abstract（参考訳）: 複雑なITインフラにおけるサイバーリスクを評価することは、デジタルシステムの動的で相互接続性のために大きな課題となる。 従来の手法は、システムの複雑さに対処せず、体系的な相互依存を捉えない静的で質的なモデルに依存して、しばしば不足する。 本研究では,古典計算と量子アニーリングの両方に適合する定式化であるQuadratic Unconstrained Binary Optimization (QUBO)に基づく,サイバーリスク評価の新しい定量的手法を提案する。 現実的な255ノードの階層化インフラストラクチャを使用して、我々のアプローチの能力を実証し、視覚検査だけでは識別が難しい非自明なパターンにリスクが分散することを示した。 スケーラビリティを評価するために、古典的、量子的、およびハイブリッドな古典量子ワークフローと比較し、1000ノードまでのネットワーク上で広範な実験を行う。 その結果、量子アニールは古典的ヒューリスティックスに匹敵するソリューションを生成するが、その潜在的な利点は、密結合されたサイバーリスクQUBOを現在の量子ハードウェアの限られた接続性にマッピングするために必要な埋め込みオーバーヘッドによって著しく妨げられることがわかった。 対照的に、ハイブリッド量子古典解法は、このボトルネックを避けて、競争スケーリングとソリューション空間を探索し、より安定したリスク構成を特定する能力を組み合わせることで、有望な選択肢として現れる。 全体として、この作品は2つの大きな進歩をもたらしている。 まず、フレキシブルパラメータ化により、多様なインフラストラクチャやドメインに適応可能な、厳密で調整可能な、一般化可能なサイバーリスクの数学的モデルを提案する。 第2に、大規模インフラにおけるハイブリッド量子古典的手法の出現可能性を強調し、サイバーリスクスコアリングのための古典的、量子的、ハイブリッド的アプローチを初めて比較した。

関連論文リスト

• 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)
• Building Continuous Quantum-Classical Bayesian Neural Networks for a Classical Clinical Dataset [0.0]
  本稿では,医学データセットの不確実性を考慮した分類を行う量子古典ベイズニューラルネットワーク(QCBNN)を提案する。 予測性能とモデルの不確実性の両方を捉える複数の行動メトリクスを追跡します。 より不確実な方法でサンプルを分類できるハイブリッドモデルを作ることは、私たちの野望です。
  論文  参考訳（メタデータ） (2024-06-10T14:23:25Z)
• Quantum neural network with ensemble learning to mitigate barren plateaus and cost function concentration [0.0]
  本稿では,量子ニューラルネットワーク構築における新しいアプローチ,特にVGとCFCの問題に対処する手法を提案する。 本手法では,複数の量子回路の同時展開を提唱するアンサンブル学習を用いる。 提案モデルの有効性を,従来構築したQNNとの比較分析により評価する。
  論文  参考訳（メタデータ） (2024-02-08T19:57:57Z)
• Mutual information maximizing quantum generative adversarial networks [9.391818870557545]
  InfoQGANは、InfoGANの原理とQGANアーキテクチャを統合する量子古典的ハイブリッド生成対向ネットワークである。 InfoQGANは、量子発生器における頑健な特徴の絡み合いを達成しつつ、モード崩壊を効果的に軽減することを示す。 これらの結果は、NISQ時代の量子生成モデリングを進化させるアプローチとして、InfoQGANの可能性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2023-09-04T05:18:37Z)
• ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
  本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。 ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。 量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
  論文  参考訳（メタデータ） (2023-08-22T09:11:53Z)
• Capsa: A Unified Framework for Quantifying Risk in Deep Neural Networks [142.67349734180445]
  ディープニューラルネットワークにリスク認識を提供する既存のアルゴリズムは複雑でアドホックである。 ここでは、リスク認識でモデルを拡張するためのフレームワークであるcapsaを紹介します。
  論文  参考訳（メタデータ） (2023-08-01T02:07:47Z)
• 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)
• Autoregressive Transformer Neural Network for Simulating Open Quantum Systems via a Probabilistic Formulation [5.668795025564699]
  オープン量子システムのダイナミクスに対処するためのアプローチを提案する。 自己回帰変換ニューラルネットワークを用いて量子状態をコンパクトに表現する。 効率的なアルゴリズムは、リウヴィリア超作用素の力学をシミュレートするために開発された。
  論文  参考訳（メタデータ） (2020-09-11T18:00:00Z)

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。