通过基于机器学习的方法在量子电路模拟中利用时间侧信道

随着量子计算的进步,量子电路模拟器已成为弥补量子硬件可用性有限所造成的当前差距的关键工具。这些模拟器通常部署在云平台上,用户提交专有电路设计进行模拟。在本研究中,该团队演示了一种针对云端量子模拟器的新型时序侧信道攻击。同地恶意进程可以观察细粒度的执行时序模式,从而提取并发运行量子电路的敏感信息。研究人员使用QASMBench基准测试套件系统地分析了模拟器的行为,并分析了不同电路执行过程中的时序和内存特性。其实验结果表明,时序配置文件表现出依赖于电路的模式,可以使用模式识别技术进行有效分类,从而使攻击者能够推断电路身份并泄露用户机密信息。研究人员能够基于不同的数据集实现88%至99.9%的量子电路识别率。这项研究揭示了量子模拟环境中此前未被探索的安全风险,并呼吁建立更强大的隔离机制来保护用户工作负载。

提交arXiv: 2025-09-16 00:20

量科快讯