基于量子混合支持向量机的实际应用体系安全异常检测
量子物理
2024-09-10 v1 密码学与安全
机器学习
摘要
Cyber-physical control systems 是围绕高度响应反馈回路设计的关键基础设施，这些回路通过数百个传感器和控制器进行测量和操控。异常数据（如来自网络攻击的数据）会严重危及基础设施和人类操作人员的安全。随着量子计算范式的近期进展，应用量子技术进行异常检测可以显著提高对物理传感器数据中网络攻击的识别能力。本文探讨了强预处理方法以及一种量子混合支持向量机（SVM）的应用，该方法利用参数化量子电路的保真度优势，高效且有效地对高度维数据进行平坦化处理。我们的结果显示，在使用8量子比特、16特征量子核的情况下，在HAI CPS数据集上实现了0.86的F-1分数和87%的准确率，性能与现有工作相当，并比其经典方法好14%。
引用
@article{arxiv.2409.04935,
title = {Anomaly Detection for Real-World Cyber-Physical Security using Quantum Hybrid Support Vector Machines},
author = {Tyler Cultice and Md. Saif Hassan Onim and Annarita Giani and Himanshu Thapliyal},
journal= {arXiv preprint arXiv:2409.04935},
year = {2024}
}
备注
6 pages, 5 figures, 2 tables, under ISVLSI 2024 proceedings