面向量子异常检测的 TARA 自适应秩检验及其保守预测保证
量子物理
2025-12-04 v1 人工智能
摘要
量子密钥分发(QKD)的安全性根本依赖于区分真实量子关联与古典窃听仿真的能力，但现有的认证方法在有限样本条件下缺乏严格的统计保证，并且面对对抗性情景。我们引入 TARA (Test by Adaptive Ranks)，一种新型框架，将保守预测与顺序鞅测试结合，用于量子异常检测，提供分布自由的有效性保证。TARA 提供两种互补方法。TARA k 基于Kolmogorov-Smirnov校准，对局域隐藏变量(LHV)原假设分布，实现量子-古典区分的ROC AUC为0.96。而 TARA-m 则采用赌博鞅进行流式检测，实现随时有效的类型I错误控制，使其能够实时监控量子通道。我们建立了理论保证，证明在(情境条件下)可交换性下，保守 p 值即使对于强情境量子数据也保持均匀分布，这确认了量子情境性质不会破坏保守预测的有效性——这一结果不仅对量子认证具有意义，也对将分布自由方法应用于非古典数据的任何应用都有意义。对IBM Torino(超导，CHSH=2.725)和IonQ Forte Enterprise(离子阱，CHSH=2.716)两种量子处理器进行了广泛验证，显示出跨平台的鲁棒性，相对于古典CHSH边界的36%安全裕度。关键的是，我们的框架揭示了影响量子认证更广泛范围的方法性关切：相同分布的校准相对于proper cross-distribution校准可使检测性能提高最高可达44个百分点，表明以前使用标准训练测试分割的量子认证研究可能系统性地高估了对抗鲁棒性。
引用
@article{arxiv.2512.04016,
title = {TARA Test-by-Adaptive-Ranks for Quantum Anomaly Detection with Conformal Prediction Guarantees},
author = {Davut Emre Tasar and Ceren Ocal Tasar},
journal= {arXiv preprint arXiv:2512.04016},
year = {2025}
}