論文の概要: On Evaluating Quantum Kernel Robustness for Low-Resource Cross-Corpus Audio Deepfake Detection

• arxiv url: http://arxiv.org/abs/2610.00649v1
• Date: Wed, 30 Sep 2026 19:51:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.735908
• Title: On Evaluating Quantum Kernel Robustness for Low-Resource Cross-Corpus Audio Deepfake Detection
• Title（参考訳）: 低出力クロスコーパスオーディオディープフェイク検出のための量子カーネルロバスト性の評価について
• Abstract要約: 音声のセキュリティには合成音声検出が不可欠だが、ラベル付きデータが不足すると性能が低下する可能性がある。 本研究では、限られたトレーニングデータの下で、クロスコーパスオーディオディープフェイク検出のための量子カーネル法と軽量ニューラルモデルについて検討する。
• 参考スコア（独自算出の注目度）: 3.853925623717688
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Synthetic speech detection is critical for audio security, but performance can degrade when labeled data are scarce and evaluation conditions differ from training. This study examines quantum kernel methods and lightweight neural models for cross-corpus audio deepfake detection under limited training data. We compare a Quantum Support Vector Machine (QSVM), a classical support vector machine (SVM), and a multilayer perceptron (MLP), all trained on frozen wav2vec 2.0 embeddings using a strict budget of 200 training samples. To match the qubit budget of near-term quantum hardware, embeddings are reduced to four dimensions using principal component analysis, and all models use the same reduced features. Experiments on ASVspoof 2019, ASVspoof 5, the ADD 2023 Challenge, and the In-the-Wild dataset show that under severe domain shift from ASVspoof 2019 to ADD 2023, the MLP degrades to near-random performance, with an area under the curve of approximately 50% and an equal error rate of 50.0%. In contrast, the QSVM maintains meaningful discrimination, achieving an area under the curve of 76.0% and an equal error rate of 27.0%. This advantage is not consistent across transfer directions. When trained on ADD 2023, the QSVM falls below chance on two of three transfers, while the MLP performs better. These results suggest that quantum kernel methods can be competitive under severe cross-corpus shifts and strict low-resource constraints, but do not provide a consistent advantage under near-domain transfer. We interpret these findings as an empirical characterization of quantum kernel inductive bias under distribution shift, rather than evidence of quantum advantage, since the four-qubit kernel can be simulated exactly on classical hardware.
• Abstract（参考訳）: 音声のセキュリティには合成音声検出が不可欠であるが、ラベル付きデータが不足し、評価条件が訓練と異なる場合には性能が低下する可能性がある。 本研究では、限られたトレーニングデータの下で、クロスコーパスオーディオディープフェイク検出のための量子カーネル法と軽量ニューラルモデルについて検討する。 我々は,量子サポートベクトルマシン (QSVM) と古典的サポートベクトルマシン (SVM) と多層パーセプトロン (MLP) を比較した。 短期量子ハードウェアのキュービット予算に合わせるため、埋め込みは主成分分析を用いて4次元に縮小され、全てのモデルで同じ還元機能を使用する。 ASVspoof 2019, ASVspoof 5, ADD 2023 Challenge, In-the-Wildデータセットの実験では、ASVspoof 2019からABD 2023への厳しいドメインシフトの下で、MLPは曲線の50%以下の領域と50.0%のエラー率でほぼランダムなパフォーマンスに低下している。 対照的に、QSVMは76.0%の曲線と27.0%の誤差率で領域を達成し、有意義な差別を維持している。 この利点は転送方向によって一致しない。 ADD 2023でトレーニングすると、QSVMは3つの転送のうち2つでチャンスを下回る。 これらの結果は、厳密なクロスコーパスシフトと厳密な低リソース制約の下で量子カーネル法が競合する可能性があることを示唆するが、ニアドメイン転送では一貫した優位性は得られない。 我々はこれらの知見を,古典的ハードウェア上で4量子ビットカーネルを正確にシミュレートできるため,分散シフト下での量子カーネル誘導バイアスの実験的評価として解釈する。

関連論文リスト

• QuPID: Quantum Parameter-Efficient Input-Dependent Retrieval Adaptation for Medical RAG [43.163742253145635]
  QuPIDは、量子パラメータ効率の入力依存型検索適応である。 凍結した画像の特徴を限られたデータでローカルアーカイブに適応させる。 凍った医療エンコーダよりも、ChestX-ray14とmuraでAT-5(P@5)の精度が高い。
  論文  参考訳（メタデータ） (2026-09-27T08:22:58Z)
• Evaluating Quantum Kernel Methods for Track-Based Classification in High-Energy Physics [0.0]
  本稿では,CLAS12ドリフトチャンバーを用いた大規模量子カーネル分類の設計について述べる。 各イベントは、完全に絡み合ったZZFeatureMapを介して6量子状態にエンコードされる。
  論文  参考訳（メタデータ） (2026-08-27T16:35:30Z)
• How Quantum Is the Advantage? A Fair, Calibration- and Noise-Aware Benchmark and Attribution Audit of Quantum Machine Learning for Network Intrusion Detection [0.0]
  ネットワーク侵入検出のための量子機械学習は、ほぼ完全な精度に達するように定期的に報告される。 多くの厳密な研究は、よく調整された古典的なモデルは競争力を維持している。 本稿では,ハイブリッド変分量子回路の評価を行う,統一的で再現可能なQML-IDSベンチマークを提案する。
  論文  参考訳（メタデータ） (2026-08-13T07:44:35Z)
• Cloud-Native Evaluation-as-a-Service: A Microservices Architecture for Scalable AI Monitoring with Conformal Guarantees [4.262007271558123]
  我々は、AI評価手法を6つのステートレスメソッドとして運用する、クラウドネイティブな参照アーキテクチャであるEを紹介する。 Eは、有限サンプル補正適応予測セットによる共形予測、キャリブレーションアセスメント、RFF近似平均不一致によるドリフト検出、ブートストラップ信頼区間によるフェアネスモニタリング、DAGベースのパイプラインオーケストレータ、結果記憶APIを含む。
  論文  参考訳（メタデータ） (2026-07-04T01:39:59Z)
• Quantum Kernel Advantage over Classical Collapse in Medical Foundation Model Embeddings [5.903606299014097]
  MIMIC-C胸部X線写真における2次保険分類におけるノイズレスシミュレーションによる量子優位性の証拠を提供する。 両分類器が同一の機能を持つ2層公正比較フレームワークを提案する。 固有解析により、量子核有効ランクは q = 11 で 69.80 に達する。
  論文  参考訳（メタデータ） (2026-04-27T15:21:53Z)
• BWTA: Accurate and Efficient Binarized Transformer by Algorithm-Hardware Co-design [71.97035034203275]
  バイナライゼーションにおけるゼロ点歪みを解析し,BWTA量子化方式を提案する。 本稿では,Smooth Multi-Stage Quantizationを提案し,レベルワイド・デグラデーション・ストラテジーとMagnitude Alignment Projection Factorを組み合わせた。 実験の結果、BWTAはTransformerベースのモデルに対して、GLUEでは平均3.5%、タスクでは2%未満の精度でフル精度のパフォーマンスにアプローチしていることがわかった。
  論文  参考訳（メタデータ） (2026-04-05T04:25:07Z)
• 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)
• Reliable Audio Deepfake Detection in Variable Conditions via Quantum-Kernel SVMs [0.0]
  音響ディープフェイク検出において量子カーネルを用いることで,モデルサイズを増大させることなく偽陽性率を低減できることを示す。 量子カーネルSVMと従来のSVMを同一のメル-スペクトログラム前処理を用いて比較する。 QSVMは、ASVspoof 5(2024年)で0.183対0.299、ADD23で0.081対0.188、ASVspoof 2019で0.346対0.399、In-the-Wildで0.355対0.413である。
  論文  参考訳（メタデータ） (2025-12-21T16:31:05Z)
• QSentry: Backdoor Detection for Quantum Neural Networks via Measurement Clustering [43.44248599606903]
  量子ニューラルネットワーク(QNN)は量子機械学習(QML)を実装する上で重要なモデルである 本研究は,QMLにおけるバックドア脅威を軽減するための実践的で効果的な枠組みを確立する。
  論文  参考訳（メタデータ） (2025-11-19T12:08:11Z)
• Calibration of Quantum Devices via Robust Statistical Methods [45.464983015777314]
  量子パラメータ学習の最先端技術に対するベイズ推論の高度な統計的手法を数値解析する。 既存のアプローチ、すなわち多モード性および高次元性において、これらのアプローチの利点を示す。 我々の発見は、オープン量子システムの力学を学習する量子キャラクタリゼーションの課題に応用できる。
  論文  参考訳（メタデータ） (2025-07-09T15:22:17Z)
• Multi-Slice Net: A novel light weight framework for COVID-19 Diagnosis [38.32234937094937]
  本稿では,CTスキャンを用いた軽量な新型コロナウイルス診断フレームワークを提案する。 特徴抽出器として強力なバックボーンネットワークを用い,識別的スライスレベルの特徴を抽出する。 これらの特徴は、患者レベル診断を得るために、軽量ネットワークによって集約される。
  論文  参考訳（メタデータ） (2021-08-09T02:46:11Z)

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。