量子科技中心_量科网

持续的入侵检测系统必须吸纳新出现的攻击手段，同时需在严格的操作限制下保持对历史攻击的检测能力——这些限制包括有限的计算与量子比特资源，以及禁止长期存储原始遥测数据的隐私规则。该研究团队提出QCL-IDS框架，这是一种以量子计算为核心的持续学习方案，专为NISQ（含噪声中等规模量子）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（量子费舍尔锚点）通过以下方式实现知识保留：(i) 基于敏感度加权的参数约束；(ii) 直接限制代表性历史流量决策偏移的保真度功能锚定项。为在不保留敏感数据流的情况下恢复模型可塑性，该框架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始终保持着最佳的记忆-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0.944（遗忘率0.004），而传统顺序微调方法的对应指标仅为0.800/0.138和0.803/0.128。