中文

量子对抗机器学习与防御策略:挑战与机遇

量子物理 2026-04-14 v1 密码学与安全 机器学习

摘要

随着量子计算的不断发展,开发量子安全神经网络对于防止对抗攻击至关重要。本文提出了三项量子安全设计原则:(1)使用后量子密码学,(2)采用抗量子神经网络架构,(3)确保透明且负责任的开发与部署。这些原则得到了各种量子策略的支持,包括量子数据匿名化、抗量子神经网络和量子加密。本文还指出了量子安全性、隐私和信任方面的开放性问题,并建议将探索自适应对抗攻击和自动对抗攻击作为未来方向。所提出的设计原则与建议为开发量子安全神经网络提供了指导,确保了量子时代机器学习模型的完整性与可靠性。

关键词

引用

@article{arxiv.2412.12373,
  title  = {Quantum Adversarial Machine Learning and Defense Strategies: Challenges and Opportunities},
  author = {Eric Yocam and Anthony Rizi and Mahesh Kamepalli and Varghese Vaidyan and Yong Wang and Gurcan Comert},
  journal= {arXiv preprint arXiv:2412.12373},
  year   = {2026}
}

备注

24 pages, 9 figures, 12 tables