Подход исследователей может защитить квантовые компьютеры от атак

Ожидается, что квантовые компьютеры, которые могут решать несколько сложных задач экспоненциально быстрее, чем классические компьютеры, улучшат приложения искусственного интеллекта (ИИ), развернутые в таких устройствах, как автономные транспортные средства; однако, как и их предшественники, квантовые компьютеры уязвимы для состязательных атак.

Команда исследователей из Техасского университета в Далласе и отраслевой партнер разработали подход, позволяющий предоставить квантовым компьютерам дополнительный уровень защиты от таких атак. Их решение, внедрение квантового шума для состязательной защиты (QNAD), противодействует воздействию атак, направленных на нарушение логического вывода — способности ИИ принимать решения или решать задачи.

Команда представит исследование, демонстрирующее метод на Международный симпозиум IEEE по аппаратно-ориентированной безопасности и доверию состоялся 6–9 мая в Вашингтоне, округ Колумбия.

«Состязательные атаки, направленные на нарушение логического вывода ИИ, могут иметь серьезные последствия», — сказал доктор Канад Басу, доцент кафедры электротехники и вычислительной техники в Школе инженерии и информатики Эрика Йонссона. «Атаку можно сравнить с тем, как кто-то наклеивает наклейку на знак остановки: автономное транспортное средство может не распознать знак остановки должным образом, интерпретируя его как знак пониженной скорости и, следовательно, не сумев остановиться. Наша цель с помощью этого подхода — сделать квантовый компьютерные приложения более безопасны».

Квантовые вычисления — это быстро развивающаяся технология, использующая квантовая механика— исследование поведения частиц на субатомном уровне — для решения сложных вычислительных задач.

Подобно битам в традиционных компьютерах, кубиты представляют собой фундаментальную единицу информации в квантовых компьютерах. Биты в классических компьютерах представляют собой 1 или 0. Однако кубиты используют принцип суперпозиции, что означает, что они могут одновременно находиться в состояниях 0 и 1; следовательно, кубиты могут представлять два состояния, что приводит к значительному ускорению по сравнению с традиционными компьютерами. Например, благодаря своей вычислительной мощности квантовые компьютеры могут взламывать высокозащищенные системы шифрования.

Одной из проблем квантовых компьютеров является их восприимчивость к «шуму» или помехам, вызванным такими факторами, как колебания температуры, магнитные поля или несовершенства аппаратных компонентов. Квантовые компьютеры также склонны к «перекрестным помехам» или непреднамеренным взаимодействиям между кубитами. Шум и перекрестные помехи могут привести к ошибкам вычислений.

Подход исследователей использует внутренний квантовый шум и перекрестные помехи для противодействия состязательным атакам. Метод вводит перекрестные помехи в квантовый нейронная сеть (QNN), форма машинного обучения, в которой большие наборы данных обучают компьютеры выполнять задачи, включая обнаружение таких объектов, как знаки остановки или другие задачи компьютерного зрения.

«Шумное поведение квантовых компьютеров на самом деле снижает воздействие атак», — сказал Басу, старший автор исследования. «Мы считаем, что это первый в своем роде подход, который может дополнить другие средства защиты от атак противника».

Исследователи продемонстрировали, что во время атаки приложение искусственного интеллекта с QNAD было на 268% точнее, чем без него.

Шамик Кунду, аспирант компьютерной инженерии и первый соавтор, сказал, что этот подход призван дополнить другие методы защиты безопасности квантовых компьютеров. Кунду сравнил преимущества этой системы с преимуществами ремней безопасности в автомобилях.

«В случае аварии, если мы не пристегнем ремень безопасности, последствия аварии будут намного сильнее», — сказал Кунду. «С другой стороны, если мы пристегиваемся ремнем безопасности, даже в случае аварии, последствия аварии уменьшаются. Система QNAD действует аналогично ремню безопасности, уменьшая воздействие состязательные атакикоторые символизируют аварию, для модели QNN».