論文の概要: Cyber Threat Detection Enabled by Quantum Computing

• arxiv url: http://arxiv.org/abs/2512.18493v1
• Date: Sat, 20 Dec 2025 20:10:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.364791
• Title: Cyber Threat Detection Enabled by Quantum Computing
• Title（参考訳）: 量子コンピューティングによるサイバー脅威検出
• Authors: Zisheng Chen, Zirui Zhu, Xiangyang Li,
• Abstract要約: サイバーセキュリティの脅威検出モデルは、トラフィックのシフト、厳格な機能予算、ノイズの多いハードウェアに追随する必要がある。 小型で短期的な量子プロセッサが利用可能になったが、既存の研究は、量子コンポーネントがエンドツーエンドの検出を改善することができるかどうかを示すことはめったにない。 このギャップを、コンパクトな多層パーセプトロンを用いてセキュリティデータを圧縮し、2-4量子ビットの量子ヘッドにいくつかの特徴をルーティングするハイブリッドアーキテクチャで解決する。
• 参考スコア（独自算出の注目度）: 7.119884090052995
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Threat detection models in cybersecurity must keep up with shifting traffic, strict feature budgets, and noisy hardware, yet even strong classical systems still miss rare or borderline attacks when the data distribution drifts. Small, near-term quantum processors are now available, but existing work rarely shows whether quantum components can improve end-to-end detection under these unstable, resource constrained conditions rather than just adding complexity. We address this gap with a hybrid architecture that uses a compact multilayer perceptron to compress security data and then routes a few features to 2-4 qubit quantum heads implemented as quantum support vector machines and variational circuits. Under matched preprocessing and training budgets, we benchmark these hybrids against tuned classical baselines on two security tasks, network intrusion detection on NSL-KDD and spam filtering on Ling-Spam datasets, and then deploy the best 4-qubit quantum SVM to an IBM Quantum device with noise-aware execution (readout mitigation and dynamical decoupling). Across both datasets, shallow quantum heads consistently match, and on difficult near-boundary cases modestly reduce, missed attacks and false alarms relative to classical models using the same features. Hardware results track simulator behavior closely enough that the remaining gap is dominated by device noise rather than model design. Taken together, the study shows that even on small, noisy chips, carefully engineered quantum components can already function as competitive, budget-aware elements in practical threat detection pipelines.
• Abstract（参考訳）: サイバーセキュリティの脅威検出モデルは、トラフィックのシフト、厳しい機能予算、ノイズの多いハードウェアに追随しなければならない。 小型で短期的な量子プロセッサが利用可能になったが、既存の研究は、量子コンポーネントが複雑さを単に加えるのではなく、不安定なリソース制約のある条件下でエンドツーエンドの検出を改善することができるかどうかをほとんど示していない。 このギャップを、コンパクトな多層パーセプトロンを用いてセキュリティデータを圧縮し、量子支援ベクトルマシンや変分回路として実装された2-4量子ビット量子ヘッドにいくつかの特徴をルーティングするハイブリッドアーキテクチャで解決する。 一致した前処理とトレーニング予算の下で、これらのハイブリッドを、NSL-KDD上のネットワーク侵入検出とLing-Spamデータセット上のスパムフィルタリングという2つのセキュリティタスクのチューニングされた古典的ベースラインに対してベンチマークし、次にノイズ対応のIBM Quantumデバイスに4量子量子SVMをデプロイする(リードアウト緩和とダイナミックデカップリング)。 両方のデータセット全体にわたって、浅い量子ヘッドは一貫して一致し、難しいニアバウンダリのケースでは、同じ特徴を使用する古典的なモデルと比較して、攻撃や誤報がわずかに減少する。 ハードウェアの結果は、モデル設計よりもデバイスノイズによって残りのギャップが支配されるように、シミュレータの挙動を十分に追跡する。 この研究は、小型でノイズの多いチップでも、慎重に設計された量子コンポーネントは、実用的な脅威検出パイプラインにおいて、すでに競争力のある予算対応の要素として機能していることを示している。

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)
• Performance and Storage Analysis of CRYSTALS Kyber as a Post Quantum Replacement for RSA and ECC [45.88028371034407]
  CRYSTALS-Kyberは、2022年にNISTによって標準化されたポスト量子暗号ソリューションである。 本研究は,様々な実装方式における性能試験を通じて,Kyberの実用可能性を評価する。
  論文  参考訳（メタデータ） (2025-08-03T09:53:45Z)
• Adversarial Threats in Quantum Machine Learning: A Survey of Attacks and Defenses [2.089191490381739]
  量子機械学習(QML)は、量子コンピューティングと古典的な機械学習を統合して、分類、回帰、生成タスクを解決する。 本章では、クラウドベースのデプロイメント、ハイブリッドアーキテクチャ、量子生成モデルにおける脆弱性に焦点を当て、QMLシステム特有の敵の脅威について検討する。
  論文  参考訳（メタデータ） (2025-06-27T01:19:49Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Enhancing Quantum Adversarial Robustness by Randomized Encodings [10.059889429655582]
  本稿では,正規データサンプルをランダムに符号化することにより,量子学習システムを敵攻撃から保護する手法を提案する。 グローバルおよび局所ランダムなユニタリエンコーダの両方が指数関数的に勾配を消失させることを示す。 ランダムなブラックボックス量子誤り訂正エンコーダは、量子分類器を局所的な逆雑音から保護できることを示す。
  論文  参考訳（メタデータ） (2022-12-05T19:00:08Z)
• 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)
• Experimental quantum adversarial learning with programmable superconducting qubits [15.24718195264974]
  プログラム可能な超伝導量子ビットを用いた量子対数学習の実験実験を行った。 本研究は,量子学習システムにおいて,敵対的シナリオ下での重大な脆弱性の側面を実験的に明らかにした。
  論文  参考訳（メタデータ） (2022-04-04T18:00:00Z)
• Quantum noise protects quantum classifiers against adversaries [120.08771960032033]
  量子情報処理におけるノイズは、特に短期的な量子技術において、破壊的で避け難い特徴と見なされることが多い。 量子回路の非偏極雑音を利用して分類を行うことにより、敵に縛られるロバスト性を導出できることを示す。 これは、最も一般的な敵に対して使用できる最初の量子プロトコルである。
  論文  参考訳（メタデータ） (2020-03-20T17:56:14Z)

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。