論文の概要: Hybrid Quantum-Classical GANs for the Generation of Adversarial Network Flows

• arxiv url: http://arxiv.org/abs/2605.06629v1
• Date: Thu, 07 May 2026 17:43:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:12.05485
• Title: Hybrid Quantum-Classical GANs for the Generation of Adversarial Network Flows
• Title（参考訳）: 逆流発生のためのハイブリッド量子古典型GAN
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Classical generative adversarial networks (GANs) have been applied to generate adversarial network traffic capable of attacking intrusion detection systems, but they suffer from shortcomings such as the need for large amounts of high-dimensional datasets, mode collapse, and high computational overhead. In this work, we propose a hybrid quantum-classical GAN (QC-GAN) framework where a variational quantum generator is used to generate synthetic network traffic flows mimicking malicious traffic using latent representations. Instead of sampling classical noise vectors, we encode the latent vector (the hidden features) as a quantum state, which is the basis for claiming more expressive latent representations and reducing computational overhead. A classical discriminator will be trained on real-world datasets (UNSW-NB15) and the proposed QC-GAN-generated fake network flows. In this configuration, the generator aims to minimize the discriminator's ability to distinguish real from fake traffic, while the discriminator aims to maximize its classification accuracy, in an iterative manner. In our attack model, we assume that the attacker is a state actor with access to limited quantum computing power, whereas the discriminator is chosen to be classical, as will likely be the case for most end users and organizations. We test the generated flows using classical intrusion detection system (IDS) models, such as a random forest classifier and a convolutional neural network-based classifier, for their ability to bypass the detection process. This work aims to highlight the possibilities of quantum machine learning as a means of generating advanced attack flows and stress testing classical IDS. Lastly, we further evaluate how hardware-based noise affects these attacks to offer a new perspective on IDS, highlighting the need for a quantum resilient defense system.
• Abstract（参考訳）: 古典的生成逆ネットワーク(GAN)は、侵入検知システムを攻撃することができる敵ネットワークトラフィックを生成するために応用されてきたが、大量の高次元データセットの必要性、モード崩壊、高い計算オーバーヘッドなどの欠点に悩まされている。 本研究では,潜伏表現を用いて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に,変分量子発生器を用いたハイブリッド量子古典型GAN(QC-GAN)フレームワークを提案する。 古典雑音ベクトルをサンプリングする代わりに、遅延ベクトル(隠れ特徴)を量子状態としてエンコードする。 従来の判別器は、実世界のデータセット(UNSW-NB15)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。 この構成では、判別器が偽のトラフィックと現実を区別する能力を最小化することを目的としており、判別器は、その分類精度を反復的に最大化することを目的としている。 我々の攻撃モデルでは、攻撃者は限定的な量子コンピューティング能力を持つ国家アクターであると仮定する一方、識別器は古典的であり、ほとんどのエンドユーザーや組織にとってそうである可能性が高い。 我々は、ランダムな森林分類器や畳み込みニューラルネットワークに基づく分類器などの古典的侵入検知システム(IDS)モデルを用いて、その検出過程をバイパスする能力を検証した。 この研究は、従来のIDSの高度な攻撃フローとストレステストを生成する手段として、量子機械学習の可能性を強調することを目的としている。 最後に、ハードウェアベースのノイズがこれらの攻撃にどう影響するかをさらに評価し、IDSに対する新たな視点を提供し、量子レジリエントディフェンスシステムの必要性を強調した。

関連論文リスト

• 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)
• 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)
• A Quantum Genetic Algorithm-Enhanced Self-Supervised Intrusion Detection System for Wireless Sensor Networks in the Internet of Things [1.049126606580198]
  本稿では、量子遺伝的アルゴリズム(QGA)と自己監視学習(SSL)を統合した新しいハイブリッド侵入検知システムを提案する。 提案するフレームワークは、IoT侵入データセットのベンチマークに基づいて評価され、検出精度、偽陽性率、計算効率の点で優れた性能を示す。
  論文  参考訳（メタデータ） (2025-09-03T22:02:39Z)
• Dissipation-driven quantum generative adversarial networks [11.833077116494929]
  本稿では,従来のデータ生成に適した,分散駆動型量子生成逆数ネットワーク(DQGAN)アーキテクチャを提案する。 古典データは、強い調整された散逸過程を通じて入力層の入力量子ビットに符号化される。 出力量子ビットの定常状態の可観測値を測定することにより、生成されたデータと分類結果の両方を抽出する。
  論文  参考訳（メタデータ） (2024-08-28T07:41:58Z)
• 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)
• 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)
• Discriminator-Free Generative Adversarial Attack [87.71852388383242]
  生成的ベースの敵攻撃は、この制限を取り除くことができる。 ASymmetric Saliency-based Auto-Encoder (SSAE) は摂動を生成する。 SSAEが生成した敵の例は、広く使われているモデルを崩壊させるだけでなく、優れた視覚的品質を実現する。
  論文  参考訳（メタデータ） (2021-07-20T01:55:21Z)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)
• Entangling Quantum Generative Adversarial Networks [53.25397072813582]
  量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
  論文  参考訳（メタデータ） (2021-04-30T20:38:41Z)
• 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)
• Anomaly detection with variational quantum generative adversarial networks [0.0]
  GAN(Generative Adversarial Network)は、ターゲット分布からサンプリングする生成モデルを含む機械学習フレームワークである。 これらの問題に対処するために、変分量子古典ワッサースタインGANを導入し、このモデルを古典的な機械学習フレームワークに組み込んで異常検出を行う。 我々のモデルは、ワッサースタインGANのジェネレータをハイブリッド量子古典ニューラルネットに置き換え、古典的な判別モデルをそのまま残す。
  論文  参考訳（メタデータ） (2020-10-20T17:48:04Z)

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。