論文の概要: Towards quantum machine learning for assessing the resilience of post-quantum cryptography

• arxiv url: http://arxiv.org/abs/2607.13722v1
• Date: Wed, 15 Jul 2026 11:37:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.751574
• Title: Towards quantum machine learning for assessing the resilience of post-quantum cryptography
• Title（参考訳）: 量子機械学習によるポスト量子暗号のレジリエンス評価
• Abstract要約: 本稿では,QGAN(Quantum Generative Adversarial Networks)の機能を量子後暗号プロトコルに活用する試みについて述べる。 本研究により, 短期的ハイブリッド量子古典法は, この目的に必要とされる能力を有することを確認した。 提案したアプローチはワークフローの第1ステップとして使用することができ、量子コンピューティングを量子後暗号プリミティブの攻撃に利用することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The potential capabilities of quantum computers motivated the development of cryptographic protocols suitable for securing communication against adversaries with access to large fault-tolerant quantum computers. However, even though current quantum computers are limited in terms of size and precision, they can still be useful for finding loopholes and weaknesses in the post-quantum cryptographic protocols. In this work, we present an attempt to utilize the capabilities of Quantum Generative Adversarial Networks (QGANs), one of the promising architectures used in quantum machine learning, for this purpose. We describe an example application of QGAN architecture for the purpose of loading the probability distribution of the hash-based digital signatures into the memory of a quantum computer. Our results confirm that near-term hybrid quantum-classical methods possess capabilities required for this purpose. The presented approach can be used as a first step in the workflow, enabling the utilization of quantum computing for attacking post-quantum cryptographic primitives.
• Abstract（参考訳）: 量子コンピュータの潜在的な能力は、大規模なフォールトトレラントな量子コンピュータにアクセスする敵との通信を確保するのに適した暗号プロトコルの開発を動機づけた。 しかし、現在の量子コンピュータのサイズと精度は限られているが、量子後暗号プロトコルの抜け穴や弱点を見つけるのに有用である。 本研究では,量子機械学習において有望なアーキテクチャの1つであるQGAN(Quantum Generative Adversarial Networks)の機能を活用する試みについて述べる。 本稿では,量子コンピュータのメモリにハッシュベースのデジタル署名の確率分布をロードするためのQGANアーキテクチャの例を示す。 本研究により, 短期的ハイブリッド量子古典法は, この目的のために必要となる能力を有することを確認した。 提案したアプローチはワークフローの第1ステップとして使用することができ、量子コンピューティングを量子後暗号プリミティブの攻撃に利用することができる。

関連論文リスト

• Strategic Plan for Neutral Atom Quantum Computation [84.56908019536233]
  我々は中性原子量子計算の戦略的計画を提案し、ハードウェア開発と理論の進歩をもたらした。 実用的な量子優位性の概念は、利点の主張を検証する方法や、実用的な利点をもたらす量子アルゴリズムを設計するためのアプローチとともに定義される。
  論文  参考訳（メタデータ） (2026-07-23T17:36:19Z)
• Quantum-enhanced Computer Vision: Going Beyond Classical Algorithms [50.573955644831386]
  QeCV(Quantum-enhanced Computer Vision)は、コンピュータビジョン、機械学習、量子コンピューティングの交差点における新しい研究分野である。 量子コンピューティングの助けを借りて、視覚信号の処理や解釈の仕方を変える可能性が高い。 本調査はQeCVに関する既存の文献に貢献し,本研究分野の総合的なレビューを行った。
  論文  参考訳（メタデータ） (2025-10-08T17:59:51Z)
• Distributed quantum computing with black-box subroutines [0.0]
  任意の未知のサブルーチンに対応する分散量子コンピューティングのための汎用プロトコルを提案する。 これはマルチチップ相互接続による量子コンピューティングのスケールアップに応用できる。 我々は,このプロトコルを,現在利用可能な量子コンピューティングプラットフォームを用いて物理的に実装できることを実証した。
  論文  参考訳（メタデータ） (2025-05-20T15:44:54Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• 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)
• Deploying hybrid quantum-secured infrastructure for applications: When quantum and post-quantum can work together [0.8702432681310401]
  量子鍵分布は、予期せぬ技術発展に対して安全である。 量子後暗号は古典的および量子コンピューティング技術の攻撃に対してさえも安全であると考えられている。 また、フルスタックの量子セキュリティインフラのさらなる発展における様々な方向性を示す。
  論文  参考訳（メタデータ） (2023-04-10T13:44:21Z)
• Unclonability and Quantum Cryptanalysis: From Foundations to Applications [0.0]
  不規則性(Unclonability)は、量子理論の基本概念であり、量子情報の主要な非古典的性質の1つである。 我々は、量子世界、すなわち量子物理学的不閉性(quantum physical unclonability)という新しい非閉性の概念を導入する。 本稿では、暗号資源として、この新しいタイプの無拘束性(unclonability)のいくつかの応用について論じ、確実に安全な量子プロトコルを設計する。
  論文  参考訳（メタデータ） (2022-10-31T17:57:09Z)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• Enhanced Quantum Key Distribution using Hybrid Channels and Natural Random Numbers [0.0]
  本稿では,古典チャネルと量子チャネルを混合したセキュアな3つの鍵分配プロトコルを提案する。 提案プロトコルは、量子コンピュータの特性を利用して、容易に伝送可能な自然乱数を生成する。
  論文  参考訳（メタデータ） (2020-07-28T15:14:59Z)
• Anti-Forging Quantum Data: Cryptographic Verification of Quantum Computational Power [1.9737117321211988]
  量子コンピューティングは、インターネットを通じて量子コンピューティングのパワーを体験するための人気のモデルとして生まれつつある。 ユーザは、サーバから送信される出力文字列が本当に量子ハードウェアからのものであることを、どうやって確認できますか?
  論文  参考訳（メタデータ） (2020-05-04T14:28:14Z)

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。