量子科技中心_量科网

检测未知勒索软件是网络安全领域的重大挑战，传统机器学习方法往往难以应对。虽然量子机器学习（QML）提供了潜在解决方案，但经典数据与量子硬件之间的维度差距阻碍了其实际应用。本研究通过主成分分析（PCA）将高维数据集与变分量子分类器（VQC）相结合的混合框架进行实证探索，揭示了QML应用面临的双重困境：最佳表现的12量子比特VQC召回率仅97.7%，显著落后于经典基线，显示出严重的信息瓶颈问题；更值得关注的是，当量子比特从4增至8时性能不升反降，直到12量子比特才有所改善的非单调表现趋势，暴露出明显的可训练性缺陷。这些发现表明，要释放QML潜力，必须协同开发更高效的数据压缩技术和鲁棒的量子优化策略。