量子科技中心_量科网

量子机器学习（QML）为利用量子力学效应完成学习任务提供了有前景的框架。然而，其对抗性扰动的脆弱性仍是实际部署中的主要挑战。在QML系统中，施加于经典输入的微小扰动会通过量子编码阶段传播，扭曲生成的量子态，从而降低模型性能。本研究提出一种防御机制，将QML模型的传统量子编码阶段替换为基于被动导引的受控态制备方法，引导编码态趋向受控中间态。通过调节导引强度与导引迭代次数，该方法在保持较高干净准确率的同时抑制对抗性扰动的影响，并提升对抗准确率。实验结果表明，在基于梯度的对抗攻击下，该被动导引防御方法在不同QML模型与数据集上均能持续提升对抗准确率，最高可实现40.19%的对抗准确率提升。