量子聚类用于网络安全
量子物理
2025-01-24 v1 密码学与安全
摘要
本研究构建了一个新型量子机器学习（QML）框架，用于分析网络安全漏洞。该框架利用来自 2022 年 CISA 已知被利用漏洞目录（CISA Known Exploited Vulnerabilities catalog）的数据，该目录包含有关漏洞类型、严重程度级别、常见漏洞评分系统（CVSS）分数以及产品细节的详细信息。我们的框架将数据预处理为量子兼容格式，通过先进的量子技术进行聚类分析，包括 QCSWAPK-means 和 QkernelK-means。这些量子算法相较于基于 k 均值和谱聚类等最先进的经典聚类技术表现更佳，实现了 0.491 的轮廓系数、低于 0.745 的 Davies-Bouldin 指数以及高于 884 的 Calinski-Harabasz 指数，表明聚类更紧凑且分离度更好。我们的框架将漏洞划分为多个 distinct 组，反映不同的风险严重程度：聚类 0 主要由微软相关的关键漏洞组成；聚类 1 包含来自多个企业软件供应商和网络解决方案的中等严重程度漏洞；聚类 2 包含来自 Adobe、Cisco 和 Google 的高严重程度漏洞；聚类 3 包含来自微软和 Oracle 的高到中等严重程度漏洞。这些发现凸显了 QML 在漏洞评估和优先级排序方面提升精度的潜力，推动网络安全实践实现更具战略性和主动性的防御机制。
关键词
引用
@article{arxiv.2408.02314,
title = {Quantum Clustering for Cybersecurity},
author = {Walid El Maouaki and Nouhaila Innan and Alberto Marchisio and Taoufik Said and Mohamed Bennai and Muhammad Shafique},
journal= {arXiv preprint arXiv:2408.02314},
year = {2025}
}
备注
Accepted at the 2024 IEEE International Conference on Quantum Computing and Engineering (QCE24), QML@QCE, September 2024