論文の概要: QUASAR: A Quantum-Classical Neural Network for SAR Satellite Physical-Layer Authentication
- arxiv url: http://arxiv.org/abs/2608.20240v1
- Date: Thu, 20 Aug 2026 16:31:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-21 20:28:51.636197
- Title: QUASAR: A Quantum-Classical Neural Network for SAR Satellite Physical-Layer Authentication
- Title（参考訳）: QUISAR:SAR衛星物理層認証のための量子古典ニューラルネットワーク
- Abstract要約: 本稿では、CNNスペクトログラムエンコーダを可変量子回路で融合させ、PLAからXバンドSAR信号を提供する最初の量子古典ハイブリッドアーキテクチャを提案する。
i) 従来のベースラインの精度に合わせるためにトレーニングデータの10%しか必要とせず、(ii) 同等のデータ予算で、これらのベースラインよりも分類精度が向上する。
- 参考スコア（独自算出の注目度）: 2.1793134762413433
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: X-band SAR satellites (8-12 GHz) play a critical role in disaster response, environmental monitoring, and military intelligence. Yet, they lack robust physical-layer authentication (PLA), a security layer orthogonal to cryptographic solutions. Existing PLA systems, typically based on radio-frequency fingerprinting, are often limited to sub-6 GHz frequencies and rely on classical deep learning. However, this approach underfits the IQ phase nonlinearities that distinguish satellite hardware. In this paper, we present QUASAR, to the best of our knowledge the first quantum-classical hybrid architecture that fuses a CNN spectrogram encoder with a variational quantum circuit (VQC) to provide PLA to X-band SAR signals. Our solution enjoys two distinctive features: (i) it is markedly more data-efficient than classical machine learning, requiring only 10% of the training data to match the accuracy of classical baselines -- data collection being notoriously the most time-consuming phase of PLA; and, (ii) at an equal data budget, it improves classification accuracy over those baselines. In detail, we test our solution under three adversarial scenarios: replay, crafted-IQ injection, and space-borne spoofing. QUASAR rejects spoofed transmissions in 89.7%, 94.1%, and 81.3% of attempts, respectively, establishing the first quantum-enhanced physical-layer classifier for satellite constellations. The fully detailed framework and the supporting results, other than being interesting on their own, show a novel research avenue for physical-layer authentication.
- Abstract（参考訳）: XバンドSAR衛星(8-12GHz)は、災害対応、環境監視、軍事情報において重要な役割を担っている。
しかし、暗号化ソリューションに直交するセキュリティ層である堅牢な物理層認証(PLA)は欠如している。
既存のPLAシステムは、通常、高周波指紋認証に基づいており、しばしば6GHz以下の周波数に制限され、古典的なディープラーニングに依存している。
しかし、このアプローチは、衛星ハードウェアを区別するIQ位相非線形性に不適合である。
本稿では,CNNスペクトログラムエンコーダを可変量子回路(VQC)で融合させ,PLAからXバンドSAR信号を提供する量子古典ハイブリッドアーキテクチャについて述べる。
私たちのソリューションには2つの特徴があります。
i) 従来の機械学習よりもデータ効率が著しく高く、古典的なベースラインの正確性に合わせてトレーニングデータの10%しか必要としない。
(ii)データ予算が等しくなれば,それらのベースラインよりも分類精度が向上する。
詳細は、リプレイ、工芸IQインジェクション、宇宙からのスプーフィングの3つの逆シナリオでソリューションをテストします。
QUISARは、それぞれ89.7%、94.1%、81.3%の試行でスプーフされた送信を拒絶し、衛星星座の量子強化物理層分類器として初めて確立した。
完全に詳細なフレームワークとサポート結果は、それ自体が興味深いだけでなく、物理層認証のための新しい研究方法を示している。
関連論文リスト
- RF Spectrogram Anomaly Detection with Quantum Kitchen Sinks: Architecture, Representation, and Hardware Validation [8.643667082966944]
量子キッチンシンク(QKS)は、短期量子デバイスに適した軽量なハイブリッド量子特徴マップを提供する。
我々は,マルチ深度データ再アップロードとリング絡み込みによる標準QKSテンプレートを拡張し,制御されたRFスペクトログラム異常検出のパイプラインの評価を行った。
これらの結果は、QKSベースの異常検出を無線ネットワークに展開するための実用的で再現可能なフレームワークを提供する。
論文 参考訳（メタデータ） (2026-07-15T14:40:41Z) - 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) - Shot-Based Quantum Encoding: A Data-Loading Paradigm for Quantum Neural Networks [0.0]
効率的なデータローディングは、短期的な量子機械学習のボトルネックであり続けている。
ハードウェアのネイティブリソースを分散するデータ埋め込み戦略であるShot-Based Quantum Coherence(SBQE)を紹介した。
SBQEは、重みが量子回路によって実現される多層パーセプトロンと構造的に等価であることを示す。
論文 参考訳（メタデータ） (2026-04-07T17:44:37Z) - AQER: a scalable and efficient data loader for digital quantum computers [62.40228216126285]
我々は,ターゲット状態の絡み合いを体系的に低減し,負荷回路を構成するスケーラブルなAQL手法であるAQERを開発した。
我々は、合成データセット、古典画像および言語データセット、最大50キュービットの量子多体状態データセットを用いて、AQERの有効性を評価するための体系的な実験を行う。
論文 参考訳（メタデータ） (2026-02-02T14:39:42Z) - Noise-Resistant Feature-Aware Attack Detection Using Quantum Machine Learning [43.509065918669314]
連続可変量子鍵分布(continuous-variable quantum key distribution, CV-QKD)は、無条件のセキュリティ保証を提供する量子通信技術である。
高速CV-QKDシステムのセキュリティを保護する量子機械学習(QML)ベースの攻撃検出フレームワーク(QML-ADF)を提案する。
論文 参考訳（メタデータ） (2026-01-11T03:40:45Z) - Quantum Machine Learning for UAV Swarm Intrusion Detection [25.52804434998647]
UAV群における侵入検知は、高移動量、非定常交通、重度の階級不均衡によって複雑である。
量子カーネル、変分量子ニューラルネットワーク(QNN)、ハイブリッド量子学習ニューラルネットワーク(QT-NN)の3つのアプローチをベンチマークする。
すべてのモデルは8機能フロー表現を消費し、同じ前処理、バランス、ノイズモデル仮定の下で評価される。
量子カーネルとQT-NNは低データ、非線形なレジームで優れており、QNNはトレーニング容易性の問題に悩まされている。
論文 参考訳（メタデータ） (2025-09-01T22:36:30Z) - Advancing RFI-Detection in Radio Astronomy with Liquid State Machines [25.08630315149258]
人為的な電波源からの電波周波数干渉(RFI)は、現在および将来の電波望遠鏡に重大な課題をもたらす。
本研究では、スパイクネットワークのクラスであるLiquid State Machines (LSMs) をRFI検出に適用する。
我々は、RFI検出の既知のベンチマークであるHyrogen Epoch of Reionization Array (HERA)から得られたシミュレーションデータに基づいてLSMを訓練する。
本モデルでは,画素あたり98%の精度,F1-Integrate 0.743の精度を実現し,この高い課題に対する競合性能を示す。
論文 参考訳（メタデータ） (2025-04-14T01:51:01Z) - Benchmarking Quantum Convolutional Neural Networks for Signal Classification in Simulated Gamma-Ray Burst Detection [29.259008600842517]
本研究は,ガンマ線バースト(GRB)に似た信号の同定に量子畳み込みニューラルネットワーク(QCNN)を用いたことを評価する。
量子シミュレータでトレーニングしたQCNNを用いて,Qiskitフレームワークを用いたハイブリッド量子古典機械学習手法を実装した。
QCNNは時系列データセット上で堅牢な性能を示し,高い精度でGRB信号の検出に成功した。
論文 参考訳（メタデータ） (2025-01-28T16:07:12Z) - Rydberg Atomic Quantum Receivers for Multi-Target DOA Estimation [77.32323151235285]
ライドバーグ原子量子受信機(RAQR)は、古典的な無線通信とセンシングのための有望なソリューションとして登場した。
まず、マルチターゲットDOA検出のためのRydberg原子量子一様線形アレイ(RAQ-ULA)を用いた無線受信機を提案し、このセンシングシステムの対応する信号モデルを提案する。
このセンサゲインミスマッチ問題を解決するために,我々のモデルに依存するRydberg原子量子ESPRIT(RAQ-ESPRIT)を提案する。
論文 参考訳（メタデータ） (2025-01-06T07:42:23Z) - Hierarchical certification of nonclassical network correlations [50.32788626697182]
ネットワークに対して線形および非線形ベル様の不等式を導出する。
我々はこの仮定を挿入し、その結果が実験で証明できる結果に繋がる。
論文 参考訳（メタデータ） (2023-06-27T18:00:01Z) - 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)
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。