迈向用于评估后量子密码学韧性的量子机器学习

量子计算机的潜在能力推动了密码协议的发展，这些协议旨在保护通信免受拥有大型容错量子计算机的对手的攻击。然而，尽管当前的量子计算机在尺寸和精度上有限，它们仍然可以用于发现后量子密码协议中的漏洞和弱点。在这项工作中，我们尝试利用量子生成对抗网络（QGANs）的能力——这是量子机器学习中一种有前途的架构——来实现这一目的。我们描述了一个QGAN架构的应用示例，用于将基于哈希的数字签名的概率分布加载到量子计算机的内存中。我们的结果证实，近期混合量子-经典方法具备实现此目的所需的能力。所提出的方法可以作为工作流程的第一步，从而能够利用量子计算来攻击后量子密码原语。