量子科技中心_量科网

数据投毒攻击通过向训练过程注入恶意数据，对机器学习模型构成重大威胁，会导致模型性能下降或预测结果被操纵。检测并筛除投毒数据是防范此类攻击的重要手段。受限于经典计算框架，未来更大规模和更复杂的数据集可能给检测工作带来困难。该研究团队首次在投毒检测任务中引入量子计算的独特加速优势，提出Q-Detection——一种量子经典混合的投毒攻击检测防御方法。该方法还创新性地引入Q-WAN网络架构，并利用量子计算设备进行优化。使用多个量子模拟库的实验结果表明，Q-Detection能够有效防御标签操纵和后门攻击，各项指标均优于基线方法，与最先进方案性能相当。理论分析显示，借助量子计算能力，Q-Detection有望实现超过20%的加速效果。