QuantumLeak：从基于噪声中间规模量子机器窃取量子神经网络
量子物理
2024-03-19 v1 密码学与安全
机器学习
摘要
变分量子电路（VQCs）已成为实现量子神经网络（QNN）的强大工具，能够解决广泛的复杂问题。经过训练的VQCs作为珍贵的知识产物托管在基于噪声中间规模量子（NISQ）计算机上，因而易受恶意VQC窃取攻击。然而，传统针对经典机器学习模型的模型提取技术在应用到NISQ计算机时面临挑战，因为当前设备存在显著噪声。本文引入QuantumLeak，一种有效且准确的从基于NISQ机器提取QNN模型的技术。与现有的经典模型窃取技术相比，QuantumLeak在多样化的数据集和VQC架构上提高了本地VQC准确率提升4.99%∼7.35%。
关键词
引用
@article{arxiv.2403.10790,
title = {QuantumLeak: Stealing Quantum Neural Networks from Cloud-based NISQ Machines},
author = {Zhenxiao Fu and Min Yang and Cheng Chu and Yilun Xu and Gang Huang and Fan Chen},
journal= {arXiv preprint arXiv:2403.10790},
year = {2024}
}