基于量子生成对抗网络的内部用户异常行为检测与评估
量子物理
2023-09-19 v2
摘要
量子计算利用量子态中叠加与并行的独特能力，在处理高维数据方面具有巨大潜力。在含噪声中等规模量子（NISQ）时代，量子计算应用的探索已成为一个引人注目的前沿。在网络空间安全领域中，行为检测与评估（BDE）尤受关注。值得注意的是，内部异常行为的检测与评估因其在海量正常数据中极少出现甚至隐蔽而面临重大挑战。本文中，我们引入一种专为内部用户分析设计的新型量子行为检测与评估算法（QBDE）。QBDE 算法由量子生成对抗网络（QGAN）结合经典神经网络构成，用于检测与评估任务。QGAN 构建于混合架构之上，包含量子生成器（）与经典判别器（）。 设计为参数化量子电路（PQC），与经典神经网络 协作，共同增强分析过程。为应对正负样本不平衡的挑战， 用于生成负样本。 与 均通过梯度下降技术优化。通过大量仿真测试与定量分析，我们证实了 QBDE 算法在检测与评估内部用户异常行为上的有效性。我们的工作不仅引入了异常行为检测与评估的新方法，也开创了量子算法的新应用场景。这一范式转变凸显了量子计算应对复杂网络安全挑战的光明前景。
引用
@article{arxiv.2208.09834,
title = {Detection and evaluation of abnormal user behavior based on quantum generation adversarial network},
author = {Minghua Pan and Bin Wang and Xiaoling Tao and Shenggen Zheng and Haozhen Situ and Lvzhou Li},
journal= {arXiv preprint arXiv:2208.09834},
year = {2023}
}