量子绝热生成类人密码
量子物理
2025-06-11 v1 人工智能
摘要
生成式人工智能(GenAI)在自然语言处理(NLP)领域是迄今为止主导的AI技术。量子计算(QC)的一个重要视角是，QC是否有潜力减少训练和运行GenAI模型的大量资源需求。虽然大规模的生成式NLP任务目前超出了实用量子计算机的能力范围，但生成密码等短语义结构则不在此列。生成模拟真实用户行为的密码有许多应用，例如使用真实威胁模型测试认证系统。通过深度学习进行经典密码生成近期已取得显著进展，具备生成新颖、真实密码候选的能力。在本工作中，我们研究了绝热量子计算机在此任务上的效用。更精确地说，我们研究了令牌字符串的不同编码方式，并提出了基于二次无约束二值优化(QUBO)和单位圆盘最大独立集(UD-MIS)问题的新方法。我们的方法允许从数据中估计令牌分布，并绝热地制备一个量子态，从中通过测量最终采样生成的密码。我们的结果表明，在QuEra Aquila 256量子比特中性原子量子计算机上生成的仅128个密码的少量样本中，包含了类人密码，如"Tunas200992"或"teedem28iglove"。
引用
@article{arxiv.2506.08917,
title = {Quantum Adiabatic Generation of Human-Like Passwords},
author = {Sascha Mücke and Raoul Heese and Thore Gerlach and David Biesner and Loong Kuan Lee and Nico Piatkowski},
journal= {arXiv preprint arXiv:2506.08917},
year = {2025}
}
备注
9 pages, 4 figures