一种用于对抗攻击下采样的量子主动学习算法
量子物理
2020-07-23 v3 人工智能
机器学习
摘要
对抗攻击对学习算法构成严重威胁，并可能危及未来自主系统的安全。Khoury和Hadfield-Menell（KH）的一个定理给出了保证机器学习算法鲁棒性的充分条件，但有一个警告：必须知道相应分类问题各类别之间的最小距离。我们提出了一个理论框架，使我们能够将主动学习视为对最值得分类的新点进行采样，从而可以找到类间最小距离并使用KH定理。此外，我们引入了一种量子主动学习算法，其利用该框架，并且在配备qRAM的前提下，其复杂度关于空间维度m和初始训练数据规模n为多对数（polylogarithmic），关于精度为多项式，相对于经典等价算法在n和m上实现了指数加速。然而，该算法可被“去量子化”，将优势降为多项式。
引用
@article{arxiv.1912.03283,
title = {A quantum active learning algorithm for sampling against adversarial attacks},
author = {P. A. M. Casares and M. A. Martin-Delgado},
journal= {arXiv preprint arXiv:1912.03283},
year = {2020}
}
备注
Contains an additional dequantization appendix E that does not appear in the published version