量子机器学习的安全问题：机遇、威胁与防御
密码学与安全
2022-04-08 v1 机器学习
量子物理
摘要
在过去几年中，量子计算经历了快速增长。量子机器学习（QML）是量子计算中一个令人兴奋的方向，它可以利用高维希尔伯特空间从有限数据中学习更丰富的表示，从而高效解决复杂的学习任务。尽管对QML的兴趣日益增加，但讨论QML安全方面的研究并不多。在这项工作中，我们探索了QML在硬件安全领域可能的未来应用。我们还揭示了QML的安全漏洞、新兴的攻击模型以及相应的对策。
引用
@article{arxiv.2204.03625,
title = {Security Aspects of Quantum Machine Learning: Opportunities, Threats and Defenses},
author = {Satwik Kundu and Swaroop Ghosh},
journal= {arXiv preprint arXiv:2204.03625},
year = {2022}
}
备注
6 pages, GLSVLSI'22 Special Session