arXiv · quant-ph· Esra Yeniaras·· 10 小时前
QML-PipeGuard：检测不可信云端量子机器学习流水线中的通道替换攻击
QML-PipeGuard: Detecting Channel-Substitution Attacks on Quantum Machine Learning Pipelines in Untrusted Clouds
arXiv:2605.25066v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Esra Yeniaras
研究任务与主要进展
QML-PipeGuard利用客户已有的测量统计量，在运行时检测不可信云端量子机器学习流水线中的通道替换攻击，覆盖审计规避、服务降级和复现性审查中的结果伪造。作者报告，若单量子比特输出边缘分布的替换造成δ的迹范距离偏移，则会强制产生至少δ/√3的合约偏差；该保证相对所选可观测量族和参考输入集成立，并可通过有限采样预算同时约束误接受与误报。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · quant-ph · arxiv.org