English(EN) QML-PipeGuard: Drift-Aware Behavioral Fingerprinting for Quantum Machine Learning Pipeline Integrity

新框架QML-PipeGuard确保量子机器学习管道完整性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-26 04:00

研究人员开发了QML-PipeGuard，一个旨在确保量子机器学习管道完整性的新框架。该系统解决了两个关键问题：嘈杂的量子硬件随时间的漂移，以及对手方替换量子通道的可能性。QML-PipeGuard通过分析可观察的期望值来监控管道的行为，并能区分自然的硬件漂移和恶意的通道替换。 AI

排序理由该集群包含一篇学术论文，详细介绍了用于量子机器学习管道完整性的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Esra Yeniaras · 2026-05-26 04:00

QML-PipeGuard：用于量子机器学习管道完整性的漂移感知行为指纹识别

arXiv:2605.25066v1 Announce Type: cross Abstract: Quantum machine learning (QML) is moving from research prototypes to deployed cloud services. As QML enters regulated industries, the integrity of the quantum stage becomes a practical concern on two fronts: noisy hardware drifts …