Q-Detection：一种量子-经典混合投毒攻击检测方法
密码学与安全
2025-07-10 v1 人工智能
机器学习
量子物理
摘要
数据投毒攻击通过向训练过程中引入恶意数据来显著威胁机器学习模型，从而降低模型性能或操纵预测。检测和筛选出投毒数据是防止数据投毒攻击的重要方法。受经典计算框架的限制，未来的更大规模和更复杂的数据集可能为检测带来挑战。我们首次引入量子计算的独特加速优势，以解决数据投毒检测问题。我们提出 Q-Detection，这是一种用于检测投毒攻击的量子-经典混合防御方法。Q-Detection 还引入了使用量子计算优化的 Q-WAN。实验结果表明，基于多个量子仿真库的实验显示，Q-Detection 有效抵御标签操纵和后门攻击。指标显示，Q-Detection 在所有基准方法上 consistently 均优于基线方法，并与最新方法相当。理论分析表明，Q-Detection 预计可通过量子计算获得超过 20% 的加速。
引用
@article{arxiv.2507.06262,
title = {Q-Detection: A Quantum-Classical Hybrid Poisoning Attack Detection Method},
author = {Haoqi He and Xiaokai Lin and Jiancai Chen and Yan Xiao},
journal= {arXiv preprint arXiv:2507.06262},
year = {2025}
}
备注
IJCAI 2025 Main Conference Accepted Paper