11 مارس 2024-کامپیوتر کوانتومی-© shutterstock/BeeBright
تیمی از محققان دانشگاه تگزاس در دالاس رویکردی را با همکاری یک صنعت ایجاد کرده‌اند تا به رایانه‌های کوانتومی لایه‌ای از محافظت در برابر حملات بدهند.راه حل، تزریق نویز کوانتومی برای دفاع متخاصم (QNAD)، با تأثیر حملات خصمانه طراحی شده برای ایجاد اختلال در تداخل رایانه های کوانتومی مقابله می کند. این توانایی هوش مصنوعی برای تصمیم گیری یا حل وظایف است.
دکتر کاناد باسو، استادیار مهندسی برق و کامپیوتر در دانشکده مهندسی و علوم کامپیوتر اریک جانسون، گفت: «حملات خصمانه که برای ایجاد اختلال در استنتاج هوش مصنوعی طراحی شده‌اند، پتانسیل عواقب جدی دارند.
این کار در سمپوزیوم بین المللی IEEE در مورد امنیت و اعتماد سخت افزار محور در 6 تا 9 می در واشنگتن دی سی ارائه خواهد شد.
مزایای کامپیوترهای کوانتومی
کامپیوترهای کوانتومی می توانند چندین مسئله پیچیده را به صورت تصاعدی سریعتر از کامپیوترهای کلاسیک حل کنند. فناوری نوظهور از مکانیک کوانتومی استفاده می کند و انتظار می رود کاربردهای هوش مصنوعی را بهبود بخشد و مشکلات محاسباتی پیچیده را حل کند.کیوبیت ها واحد بنیادی اطلاعات را در کامپیوترهای کوانتومی نشان می دهند، مانند بیت ها در کامپیوترهای سنتی.
در رایانه‌های کلاسیک، بیت‌ها نشان‌دهنده 1 یا 0 هستند. با این حال، کیوبیت‌ها از اصل برهم نهی بهره می‌برند و بنابراین می‌توانند در حالت 0 و 1 باشند. با نمایش دو حالت، رایانه‌های کوانتومی سرعت بیشتری نسبت به رایانه‌های سنتی دارند.برای مثال، رایانه‌های کوانتومی به دلیل قدرت شان، پتانسیل شکستن سیستم‌های رمزگذاری بسیار امن را دارند.
چالش های کامپیوترهای کوانتومی
کامپیوترهای کوانتومی علیرغم مزایایی که دارند، در برابر حملات متخاصم آسیب پذیر هستند.به دلیل عواملی مانند نوسانات دما، میدان های مغناطیسی و نقص در قطعات سخت افزاری، کامپیوترهای کوانتومی مستعد نویز یا تداخل هستند.کامپیوترهای کوانتومی نیز مستعد تعاملات ناخواسته بین کیوبیت ها هستند.این چالش ها می توانند باعث ایجاد خطاهای محاسباتی شوند.
استفاده از نویز کوانتومی
محققان از نویز کوانتومی ذاتی و تداخل برای مقابله با حملات متخاصم استفاده کردند.این روش تداخل را وارد شبکه عصبی کوانتومی کرد. این یک شکل از یادگیری ماشینی است که در آن مجموعه داده‌ها کامپیوترها را برای انجام وظایف آموزش می‌دهند. این شامل تشخیص اشیایی مانند علائم توقف یا سایر مسئولیت‌های بینایی رایانه است.
باسو، نویسنده ارشد این مطالعه گفت: رفتار شلوغ کامپیوترهای کوانتومی در واقع تاثیر حملات را کاهش می دهد. ما معتقدیم این اولین رویکرد در نوع خود است که می تواند سایر دفاع ها را در برابر حملات خصمانه تکمیل کند.
برنامه هوش مصنوعی 268٪ دقیق تر با QNAD
محققان نشان دادند که در طول یک حمله خصمانه، برنامه هوش مصنوعی با QNAD 268 درصد دقیق تر از بدون آن بود.این رویکرد برای تکمیل تکنیک های دیگر برای محافظت از امنیت کامپیوتر کوانتومی طراحی شده است.
شامیک کندو، دانشجوی دکترای مهندسی کامپیوتر و یکی از نویسندگان همکار، گفت: «در صورت تصادف، اگر کمربند ایمنی را نبندیم، تأثیر تصادف بسیار بیشتر است.
از سوی دیگر، اگر کمربند ایمنی را ببندیم، حتی در صورت تصادف، تاثیر تصادف کاهش می‌یابد. چارچوب QNAD شبیه به کمربند ایمنی عمل می‌کند و تاثیر حملات خصمانه را که نماد تصادف است، برای مدل QNN کاهش می‌دهد.
این تحقیق توسط بنیاد ملی علوم تامین شد.
