量子科技中心_量科网

量子神经网络（QNN）在量子机器学习（QML）领域具有巨大发展潜力，但其安全性与鲁棒性研究仍处于空白状态。该研究团队基于量子计算特性，在QNN二元分类器中提出了一种新型木马攻击方案。所提出的量子特性木马（QuPT）利用量子门的酉属性注入噪声，并通过哈达玛门叠加态原理构建木马程序攻击QNN。实验表明，此类QuPT具有极高隐蔽性，能显著破坏量子电路（尤其是QNN）的性能——在测试场景中，破坏性最强的QuPT导致受攻击QNN准确率下降达23%。据现有文献记载，这是首个完全独立于经典-量子混合架构的纯量子神经网络木马攻击研究。