Nanotechnology Now - Pressmeddelande: Forskarnas tillvägagångssätt kan skydda kvantdatorer från attacker

Hem > Presse > Forskarnas tillvägagångssätt kan skydda kvantdatorer från attacker

Dr. Kanad Basu (till vänster) och hans kollegor utvecklade ett sätt att motverka effekten av attacker utformade för att störa artificiell intelligenss förmåga att fatta beslut eller lösa uppgifter i kvantdatorer. Hans team inkluderar doktoranderna inom datateknik Sanjay Das, Navnil Choudhury (sittande) och Shamik Kundu (höger).

KREDITERA
University of Texas i Dallas

Sammanfattning:
Kvantdatorer, som kan lösa flera komplexa problem exponentiellt snabbare än klassiska datorer, förväntas förbättra applikationer med artificiell intelligens (AI) som används i enheter som autonoma fordon; men, precis som sina föregångare, är kvantdatorer sårbara för motstridiga attacker.

Forskarnas tillvägagångssätt kan skydda kvantdatorer från attacker

Dallas, TX | Postat den 8 mars 2024

Ett team av forskare från University of Texas i Dallas och en industrisamarbetspartner har utvecklat ett tillvägagångssätt för att ge kvantdatorer ett extra lager av skydd mot sådana attacker. Deras lösning, Quantum Noise Injection for Adversarial Defense (QNAD), motverkar effekten av attacker som är utformade för att störa slutsatser – AI:s förmåga att fatta beslut eller lösa uppgifter. Teamet kommer att presentera forskning som visar metoden vid IEEE International Symposium on Hardware Oriented Security and Trust den 6-9 maj i Washington, DC

"Motstridiga attacker utformade för att störa AI-inferens har potential att få allvarliga konsekvenser", säger Dr. Kanad Basu, biträdande professor i elektro- och datateknik vid Erik Jonsson School of Engineering and Computer Science. "En attack kan liknas vid att någon sätter ett klistermärke över en stoppskylt: Ett autonomt fordon kanske inte känner igen stoppskylten ordentligt, tolkar den som en skylt med reducerad hastighet och därmed misslyckas med att stanna. Vårt mål med detta tillvägagångssätt är att göra kvantdatorapplikationer säkrare."

Kvantberäkning är en snabbt framväxande teknologi som använder kvantmekanik - studien av hur partiklar beter sig på subatomär nivå - för att lösa komplexa beräkningsproblem.

Liksom bitar i traditionella datorer representerar qubits den grundläggande informationsenheten i kvantdatorer. Bitar i klassiska datorer representerar 1 eller 0. Qubits drar dock fördel av superpositionsprincipen, vilket innebär att de samtidigt kan vara i tillståndet 0 och 1; därför kan qubits representera två tillstånd, vilket resulterar i dramatiska snabbhetsfunktioner jämfört med traditionella datorer. Som ett exempel, på grund av sin datorkraft, har kvantdatorer potential att bryta mycket säkra krypteringssystem.

En av utmaningarna med kvantdatorer är deras känslighet för "brus" eller störningar, på grund av faktorer inklusive temperaturfluktuationer, magnetfält eller brister i hårdvarukomponenter. Kvantdatorer är också benägna att "överhöra" eller oavsiktliga interaktioner mellan qubits. Brus och överhörning kan resultera i beräkningsfel.

Forskarnas tillvägagångssätt utnyttjar inneboende kvantbrus och överhörning för att motverka kontradiktoriska attacker. Metoden introducerar överhörning i det kvantneurala nätverket (QNN), en form av maskininlärning där stora datamängder tränar datorer för att utföra uppgifter, inklusive att upptäcka objekt som stoppskyltar eller annat ansvar för datorseende.

"Det bullriga beteendet hos kvantdatorer minskar faktiskt effekten av attacker", säger Basu, som är senior författare till studien. "Vi tror att det här är ett första i sitt slag som kan komplettera andra försvar mot fientliga attacker."

Forskarna visade att under en attack var en AI-applikation 268 % mer exakt med QNAD än utan den.

Shamik Kundu, doktorand i datateknik och en första medförfattare, sa att tillvägagångssättet är utformat för att komplettera andra tekniker för att skydda kvantdatorsäkerhet. Kundu liknade ramverkets fördel med säkerhetsbältena i bilar.

"I händelse av en krock, om vi inte använder säkerhetsbältet, blir effekten av olyckan mycket större," sa Kundu. "Å andra sidan, om vi använder säkerhetsbältet, även om det är en olycka, minskar påverkan av kraschen. QNAD-ramverket fungerar som ett säkerhetsbälte, vilket minskar effekten av motstridiga attacker, som symboliserar olyckan, för en QNN-modell."

Andra studieförfattare inkluderar datateknik doktorander Navnil Choudhury, som också är en första författare, och Sanjay Das. Dr. Arnab Raha, senior forskare vid Intel Corp.

Forskningen finansierades av National Science Foundation.

####

För mer information, klicka på här.

Kontaktpersoner:
Kim Horner
University of Texas i Dallas
Kontor: 972-883-4463

Om du har en kommentar, snälla Kontakta oss oss.

Emittenter av nyhetsmeddelanden, inte 7th Wave, Inc. eller Nanotechnology Now, är ensamma ansvariga för innehållets noggrannhet.

Bokmärke: