量子科技中心_量科网

信用卡欺诈检测是金融安全领域的关键任务，因为欺诈交易具有罕见性、高度不平衡性且常与合法交易高度相似。为应对这一挑战，该研究团队既探索了多种经典机器学习方法，也研究了新兴的量子机器学习方案，这些方法虽取得重要进展，但在可扩展性、鲁棒性及适应不断演变的欺诈模式方面仍存在开放性问题。该工作提出基于保真度的量子自编码器（FiD-QAE），这种量子架构采用保真度估计作为异常检测的决策标准——通过变分量子电路将交易编码为量子态并进行压缩，再利用SWAP测试来区分合法与欺诈交易。研究团队对FiD-QAE进行了包含统计分析、多维性能指标及量子噪声模型鲁棒性测试在内的全面评估。结果表明：FiD-QAE在不同不平衡水平下保持稳定性能，并在噪声环境中仍具鲁棒性；此外，在IBM量子硬件后端的验证证实了该方案在实际设备中的可行性，其结果与仿真保持一致。这些发现确立了量子保真度作为异常检测的有效标准，同时表明FiD-QAE作为现有经典与量子方法的有力补充，为现实环境中的金融欺诈检测提供了兼具鲁棒性和泛化能力的新方向。