Исследователи представили новый метод динамических бэкдор-атак на квантовые нейронные сети (QNN), который обходит ограничения традиционных статических методов. В отличие от классических атак с фиксированным триггером, новый подход использует входные данные для генерации уникальных паттернов воздействия. Это делает вредоносное вмешательство практически незаметным для стандартных систем обнаружения аномалий в квантовых вычислительных средах.

Квантовые нейронные сети рассматриваются как перспективный инструмент для машинного обучения на устройствах эпохи NISQ (шумных квантовых систем промежуточного масштаба). Однако их архитектурные особенности создают специфические векторы угроз. Предыдущие исследования безопасности QNN фокусировались на статических триггерах, которые легко выявляются при анализе статистических распределений входных данных. Новый метод «Input-Aware» адаптирует триггер под конкретный вход, что значительно повышает эффективность атаки при сохранении высокой точности классификации для легитимных данных.

Разработка подчеркивает необходимость пересмотра протоколов безопасности при обучении квантовых моделей, особенно в сценариях, где данные поступают из недоверенных источников. Авторы работы демонстрируют, что даже при минимальном уровне «отравления» обучающей выборки, модель может быть скомпрометирована таким образом, что она будет выдавать заданный злоумышленником результат только при наличии специфического динамического триггера, оставаясь функциональной в обычном режиме работы.

Ключевые факты

  • Метод основан на генерации динамических триггеров, зависящих от характеристик входного сигнала, а не на использовании фиксированного паттерна.
  • Атака демонстрирует высокую скрытность, так как не вызывает значительных отклонений в точности модели на чистых данных.
  • Исследование подтверждает, что квантовые нейронные сети подвержены рискам «отравления» данных, аналогичным классическим нейросетям, но с учетом специфики квантовых состояний.
  • Работа направлена на выявление критических уязвимостей в архитектурах QNN, используемых на современных квантовых процессорах.