Towards an in-depth detection of malware using distributed QCNN

要約

マルウェアの検出は現在のサイバーセキュリティの重要なテーマであり、新しいマルウェアに一般化すべき特定の問題が残っているとしても、機械学習は主に考慮される解決策の 1 つであるようです。
この領域における量子機械学習の可能性を探ることを目的として、私たちの以前の研究では、数量子ビットを使用する場合、量子ニューラル ネットワークが画像ベースのマルウェア検出でうまく機能しないことが示されました。
量子ビットに関して必要なリソースを増やすことなく、画像を使用したマルウェア検出の量子アルゴリズムのパフォーマンスを強化するために、グレースケール手法を使用してデータセットの新しい前処理を実装し、それを 5 つの分散量子で構成されるモデルと組み合わせます。
畳み込みネットワークとスコアリング関数。
テストの精度と F1 スコアの両方で、結果が約 20 \% 向上しました。

要約(オリジナル)

Malware detection is an important topic of current cybersecurity, and Machine Learning appears to be one of the main considered solutions even if certain problems to generalize to new malware remain. In the aim of exploring the potential of quantum machine learning on this domain, our previous work showed that quantum neural networks do not perform well on image-based malware detection when using a few qubits. In order to enhance the performances of our quantum algorithms for malware detection using images, without increasing the resources needed in terms of qubits, we implement a new preprocessing of our dataset using Grayscale method, and we couple it with a model composed of five distributed quantum convolutional networks and a scoring function. We get an increase of around 20 \% of our results, both on the accuracy of the test and its F1-score.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google