量子科技中心_量科网

持续入侵检测系统必须在严格的操作约束下（包括有限的计算与量子比特预算、以及禁止长期存储原始遥测数据的隐私规则），既要吸纳新出现的攻击模式，又要保持对历史攻击的检测能力。该研究团队提出QCL-IDS——一种以量子计算为核心的持续学习框架，专为NISQ时代的检测流程协同设计了稳定性与隐私约束下的知识复现机制。其核心组件Q-FISH（量子费希尔锚点）通过两方面实现高效记忆保留：(i) 敏感度加权的参数约束；(ii) 基于保真度的功能锚定项，直接限制对历史典型流量的决策偏移。为在不保留敏感数据流的情况下恢复模型可塑性，QCL-IDS进一步采用隐私保护的量子生成式回放技术（QGR），通过冻结的任务条件生成器快照合成有限复现样本。在UNSW-NB15和CICIDS2017数据集的三阶段攻击流测试中，QCL-IDS始终取得最佳的记忆-适应平衡：梯度锚点配置在UNSW-NB15上实现平均攻击F1值0.941（遗忘率0.005），在CICIDS2017上达到0.944（遗忘率0.004），而顺序微调方法的对应结果仅为0.800/0.138和0.803/0.128。