基于保真锚定稳定性和生成式重放的量子持续学习入侵检测框架 QCL-IDS
量子物理
2026-02-20 v2 密码学与安全
摘要
持续入侵检测必须在严格的运营约束下吸收新出现的攻击阶段，同时保留对旧有检测能力，这些约束包括受限的计算资源和量子比特预算，以及禁止长期存储原始遥测数据的隐私规则。我们提出 QCL-IDS，一个面向量子计算的持续学习框架，协同设计稳定性和隐私受管控的重放机制，以适配 NISQ era 的管道。其核心组件 Q-FISH（量子费舍尔锚点）通过（i）灵敏度加权的参数约束和（ii）基于保真度的功能锚定项，直接限制在代表性历史流量上的决策漂移，从而实现保留功能。为在不保留敏感流量的情况下恢复塑性，QCL-IDS 进一步引入基于冻结、任务条件化生成器快照的隐私保留量子生成式重放（QGR）。在 UNSW-NB15 和 CICIDS2017 上的三阶段攻击流测试中，QCL-IDS 始终实现了最佳的保留-适应权衡：梯度锚定配置在 UNSW-NB15 上实现平均 Attack-F1=0.941，忘记率=0.005；在 CICIDS2017 上实现平均 Attack-F1=0.944，忘记率=0.004；相较于顺序微调的 0.800/0.138 和 0.803/0.128，表现显著更优。
引用
@article{arxiv.2601.21318,
title = {QCL-IDS: Quantum Continual Learning for Intrusion Detection with Fidelity-Anchored Stability and Generative Replay},
author = {Zirui Zhu and Xiangyang Li},
journal= {arXiv preprint arXiv:2601.21318},
year = {2026}
}
备注
11 pages