量子科技中心_量科网

网络流量异常检测是网络安全领域的一项关键挑战，尤其在复杂的物联网（IoT）环境中需要强健的解决方案。该研究团队提出了一种创新的混合量子-经典框架，通过将增强型量子支持向量机（QSVM）与量子哈尔小波包变换（QWPT）相结合，在现实噪声中等规模量子条件下实现了卓越的异常分类性能。该方法采用振幅编码的量子态制备、多级QWPT特征提取，并通过香农熵分析和卡方检验进行行为特征分析。研究人员使用基于保真度的量子核函数QSVM进行分类，并通过同步扰动随机近似（SPSA）优化器进行混合训练优化内核。在无噪声和去极化噪声条件下的评估显示：在BoT-IoT数据集上达到96.67%准确率，在IoT-23数据集上达89.67%，较量子自编码器方法提升超过7个百分点。