SQUASH：针对混合量子神经网络的基于SWAP的量子攻击
量子物理
2025-07-01 v1 人工智能
机器学习
摘要
我们提出一种电路级攻击方法SQUASH（SWAP-Based Quantum Attack），针对用于分类任务的混合量子神经网络（Hybrid Quantum Neural Network, HQNN）进行破坏。SQUASH通过在受害者HQNN的变分量子电路中插入SWAP门来执行。不同于常规的噪声-based或对抗输入攻击，SQUASH直接操控电路结构，导致量子位错位并破坏量子态演化。该攻击高度隐蔽，无需访问训练数据或在输入态中引入可检测的扰动。我们的实验结果表明，SQUASH显著降低了分类性能，未针对性的SWAP攻击使准确率下降最高可达74.08\%，而针对性的SWAP攻击使目标类别准确率下降最高可达79.78\%。这些发现揭示了HQNN实现中的关键漏洞，凸显了需要更抗电路级对抗干预的鲁棒架构的重要性。
引用
@article{arxiv.2506.24081,
title = {SQUASH: A SWAP-Based Quantum Attack to Sabotage Hybrid Quantum Neural Networks},
author = {Rahul Kumar and Wenqi Wei and Ying Mao and Junaid Farooq and Ying Wang and Juntao Chen},
journal= {arXiv preprint arXiv:2506.24081},
year = {2025}
}
备注
Keywords: Quantum Machine Learning, Hybrid Quantum Neural Networks, SWAP Test, Fidelity, Circuit-level Attack