論文の概要: Towards Quantum Optimised Malware Containment

• arxiv url: http://arxiv.org/abs/2604.26692v1
• Date: Wed, 29 Apr 2026 13:59:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.43157
• Title: Towards Quantum Optimised Malware Containment
• Title（参考訳）: 量子最適化型マルウェア封じ込めに向けて
• Abstract要約: コンピュータネットワークにおけるマルウェアの封入は、ネットワーク影響の最小化問題として自然に定式化できる。 量子振幅推定(QAE)とGrover Minimum Finding(GMF)を組み合わせたハイブリッド量子アプローチを提案する。 本稿では, 量子オラクルの構成を記述し, 結果として生じる複雑性の改善を解析する形式的問題定義を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The containment of malware in computing networks may be naturally formulated as a network influence minimisation problem, in which one seeks to limit the expected spread of an infection while balancing the operational cost of disabling network connections. Classical approaches often rely on Monte Carlo simulation of stochastic diffusion processes and greedy optimisation over candidate edge removals, resulting in significant computational overhead due to repeated influence evaluations. In this work, we propose a hybrid quantum approach which combines Quantum Amplitude Estimation (QAE) and Grover Minimum Finding (GMF) to provide quadratic improvements in both the estimation and optimisation components of the problem. Specifically, QAE replaces classical Monte Carlo simulation, reducing the sampling complexity of influence estimation from $O(1/\varepsilon^2)$ to $O(1/\varepsilon)$ for a target additive error $\varepsilon \ll 1$, while GMF reduces the number of candidate evaluations required to identify optimal edge removals from $O(|E_C|)$ to $O(\sqrt{|E_C|})$. We present a formal problem definition, describe the construction of the corresponding quantum oracles, and analyse the resulting complexity improvements under standard oracle assumptions. Preliminary experiments, including classical simulation of QAE and small-scale execution of Grover search on real quantum hardware, support the expected theoretical scaling. While practical implementation at scale requires fault-tolerant quantum devices, our results demonstrate that quantum algorithms offer a promising long-term direction for accelerating stochastic network optimisation problems such as malware containment.
• Abstract（参考訳）: コンピュータネットワークにおけるマルウェアの封入はネットワーク影響の最小化問題として自然に定式化されうる。 古典的なアプローチは、しばしばモンテカルロの確率拡散過程のシミュレーションと、候補のエッジ除去に対するグリーディ最適化に依存しており、繰り返しの影響評価によって計算オーバーヘッドが大幅に増加する。 本研究では,量子振幅推定(QAE)とGrover Minimum Finding(GMF)を組み合わせたハイブリッド量子アプローチを提案する。 具体的には、QAEは古典的モンテカルロシミュレーションを置き換え、影響推定のサンプリング複雑さを$O(1/\varepsilon^2)$から$O(1/\varepsilon)$に減らし、ターゲット加算誤差を$\varepsilon \ll 1$に減らし、GMFは$O(|E_C|)$から$O(\sqrt{|E_C|})$に最適なエッジ除去を特定するのに必要な候補評価数を減らした。 形式的問題定義を提示し、対応する量子オラクルの構成を記述し、その結果の複雑性改善を標準的なオラクル仮定で分析する。 QAEの古典的シミュレーションや、実際の量子ハードウェア上でのGroverサーチの小規模実行を含む予備的な実験は、予想される理論的スケーリングをサポートする。 大規模に実施するにはフォールトトレラントな量子デバイスが必要であるが,我々の結果は,量子アルゴリズムがマルウェア封じ込めなどの確率的ネットワーク最適化問題を高速化する上で,有望な長期的方向性を提供することを示した。

関連論文リスト

• Quantum-Based Optimization of Gas Throughput in Natural Gas Transmission Networks Under Hydraulic Constraints Using QAOA [0.27998963147546135]
  水圧および運用上の制約下での伝送ネットワークにおけるガススループットの最大化は、ネットワークサイズとともに複雑性が指数関数的に増大する問題である。 本稿では,パンハンドル-B水理方程式の下での節圧割り当てを最適化することにより,グラフに基づく最適化問題に対処する。 そこで本研究では,QAOA回路の動作を従来よりもかなり浅くすることで,有意義なガスネットワーク最適化動作が得られることを示す。
  論文  参考訳（メタデータ） (2026-09-01T07:26:34Z)
• Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
  大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。 本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。 我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。 スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
  論文  参考訳（メタデータ） (2026-08-25T15:07:11Z)
• Fault tolerant computation of the static structure factor and finite size effects [43.936586633107396]
  先導的な2体有限サイズ補正のための量子後処理戦略を開発する。 ツイスト平均化によりワンボディシェル効果が減少すると、長波長密度変動により支配的残留誤差が制御される。 また,2体有限サイズ誤差補正の再構築に使用される赤外線嵌合窓を同定するための適応的グローバル・ローカル二値探索手法も導入した。
  論文  参考訳（メタデータ） (2026-06-26T05:31:08Z)
• Quantum iterative approach to the Traveling Salesman Problem [0.6741942263052466]
  トラベリングセールスマン問題(TSP)は、最適化における古典的なNPハード問題であり、問題の規模が大きくなるにつれて、一組の都市で最短ルートを決定することは、計算的に禁止される。 この研究は、この複雑さに対処するための代替アプローチとして量子コンピューティングを探求する。 経路コストは量子位相として符号化され、QPEはそれらを効率的に評価できる一方、振幅増幅はGrover-Longアルゴリズムによって実装され、最適経路に向けた解空間を反復的に洗練する。
  論文  参考訳（メタデータ） (2026-06-10T09:21:15Z)
• A scalable quantum-enhanced greedy algorithm for maximum independent set problems [0.0]
  正規グラフ上の最大独立集合問題を解くためのハイブリッド量子古典アルゴリズムについて検討する。 このアルゴリズムを20kbitのIQM超伝導デバイス上に実装し,数千ノードのグラフに独立した集合を求める。
  論文  参考訳（メタデータ） (2026-01-29T16:14:48Z)
• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Hybrid quantum-classical algorithm for near-optimal planning in POMDPs [39.682133213072554]
  強化学習(Reinforcement Learning, RL)は、部分的に観察可能な環境における意思決定のための原則的な枠組みを提供する。 近年の進歩は、振幅増幅と組み合わせた量子リジェクションサンプリングにより、スパースベイズネットワークでの推論を加速できることを実証している。 本稿では,量子ベイズ強化学習(Quantum Bayesian Reinforcement Learning, QBRL)を紹介する。
  論文  参考訳（メタデータ） (2025-07-24T17:42:30Z)
• Quantum-Classical Hybrid Quantized Neural Network [8.382617481718643]
  本稿では、任意のアクティベーションと損失関数の使用を可能にする、量子化されたニューラルネットワークトレーニングのための新しい擬似バイナリ最適化(QBO)モデルを提案する。 我々はQCBO問題を直接解くために量子コンピューティングを利用するQCGD(Quantum Gradient Conditional Descent)アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2025-06-23T02:12:36Z)
• Branch-and-bound digitized counterdiabatic quantum optimization [39.58317527488534]
  分岐とバウンドのアルゴリズムは、厳密な下界を得るために目的関数の緩和に依存する凸最適化問題を効果的に解く。 本稿では,緩和困難に対処する分枝・分枝・分枝・分枝・分枝対応量子最適化法 (BB-DCQO) を提案する。
  論文  参考訳（メタデータ） (2025-04-21T18:19:19Z)
• Practical Application of the Quantum Carleman Lattice Boltzmann Method in Industrial CFD Simulations [44.99833362998488]
  この研究は、格子ボルツマン法(LBM)に基づくCFDへのハイブリッド量子古典的アプローチの実用的な数値評価を提示する。 本手法は, 異なる境界条件, 周期性, バウンスバック, 移動壁を有する3つのベンチマークケースで評価した。 提案手法の有効性を検証し,10～3ドル程度の誤差忠実度と,実際の量子状態サンプリングに十分な確率を達成できた。
  論文  参考訳（メタデータ） (2025-04-17T15:41:48Z)
• Subspace-Based Local Compilation of Variational Quantum Circuits for Large-Scale Quantum Many-Body Simulation [0.0]
  本稿では,時間進化演算子をコンパイルするためのハイブリッド量子古典アルゴリズムを提案する。 精度を保ちながら、トロッタライゼーションに比べて95%の回路深さの低減を実現している。 我々は,LSVQCを用いて,短期量子コンピューティングアーキテクチャ上での量子シミュレーションの実行に必要なゲート数を推定する。
  論文  参考訳（メタデータ） (2024-07-19T09:50:01Z)
• Analyzing Prospects for Quantum Advantage in Topological Data Analysis [35.423446067065576]
  我々は、トポロジカルデータ解析のための改良された量子アルゴリズムを解析し、最適化する。 超二次量子スピードアップは乗法誤差近似をターゲットとする場合にのみ可能であることを示す。 数百億のトフォリを持つ量子回路は、古典的に難解なインスタンスを解くことができると我々は主張する。
  論文  参考訳（メタデータ） (2022-09-27T17:56:15Z)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)

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。