量子科技中心_量科网

日益升级的网络安全威胁与物联网流量的高维复杂性已使传统异常检测方法力不从心。虽然深度学习技术有所改进，但计算瓶颈限制了其大规模实时部署。该研究团队提出一种量子自动编码器（QAE）框架，可将网络流量压缩为判别性潜在表征，并采用量子支持向量分类（QSVC）技术实现入侵检测。通过在三个数据集上的验证，该方法在理想模拟器和IBM量子硬件上均展现出精度提升，证明了当前含噪声中等规模量子（NISQ）设备的实用量子优势。值得注意的是，适度去极化噪声发挥了隐式正则化作用，既能稳定训练过程又可增强泛化能力。该工作证实了量子机器学习作为应对现实网络安全挑战的可行硬件就绪方案。