QDoor：利用近似综合在量子神经网络中实施后门攻击
量子物理
2024-02-20 v2 新兴技术
摘要
量子神经网络（QNNs）在物体识别、自然语言处理和金融分析中取得了成功。为了在含噪声中等规模量子（NISQ）计算机上最大化 QNN 的精度，近似综合通过减少易出错的双量子比特量子门来修改 QNN 电路。QNN 的成功促使攻击者通过后门攻击 QNN。然而，由于 NISQ 计算机上的噪声和近似综合，将经典神经网络设计的后门 naïve 地移植到 QNN 中只能得到较低攻击成功率。先前的基于量子电路的后门无法选择性地攻击某些输入，也无法与 QNN 电路的所有类型编码层协同工作。此外，在 QNN 中很容易检测到移植式和电路式后门。在本文中，我们提出一种新颖且隐蔽的后门攻击 QDoor，通过利用未编译 QNN 与其综合后对应电路之间的酉差异，在近似综合的 QNN 电路中实现高攻击成功率。QDoor 训练一个对所有带触发或不带触发输入都表现正常的 QNN。然而，在近似综合后，该 QNN 电路总是将任何带触发的输入预测为预定义类别，同时对良性输入仍表现正常。与先前后门攻击相比，QDoor 将攻击成功率平均提高 ，将干净数据精度平均提高 。此外，先前后门检测技术无法在未编译 QNN 电路中找到 QDoor 攻击。
引用
@article{arxiv.2307.09529,
title = {QDoor: Exploiting Approximate Synthesis for Backdoor Attacks in Quantum Neural Networks},
author = {Cheng Chu and Fan Chen and Philip Richerme and Lei Jiang},
journal= {arXiv preprint arXiv:2307.09529},
year = {2024}
}