PulseAugur
中
实时 11:37:11
English(EN) When cheap gradients fail: the measurement cost of attacking quantum classifiers

量子分类器因测量成本而对梯度攻击显示出固有的防御能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员分析了对抗性攻击量子分类器的成本，发现有限的量子测量统计数据（即散粒噪声）可以作为一种防御机制。该研究量化了基于梯度的攻击所需的测量预算，表明其随着分类器输入维度的增加而呈不利的比例增长。这与经典机器学习形成对比，后者通常梯度估计更有效，表明量子分类器可能提供一定程度的固有鲁棒性，抵御某些类型的攻击，尤其是在模拟量子系统计算成本高昂的情况下。 AI

影响 量子分类器可能因测量成本而在某些对抗性攻击方面提供固有的鲁棒性，这可能会影响未来的AI安全研究。

排序理由 详细介绍量子机器学习新发现的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

量子分类器因测量成本而对梯度攻击显示出固有的防御能力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Bacui Li, Chandra Thapa, Tansu Alpcan, Udaya Parampalli ·

    When cheap gradients fail: the measurement cost of attacking quantum classifiers

    arXiv:2607.11095v1 Announce Type: cross Abstract: Adversarial perturbations threaten machine learning classifiers, including variational quantum classifiers. We show that finite quantum measurement statistics (shot noise) act as a built-in defense against gradient-based test-time…

相关实体

相关话题