量子对抗机器学习：从经典适应到量子原生方法

arXiv:2605.18821v1 公告类型: new 摘要: 机器学习已经彻底改变了许多工业领域。尽管近期取得了进展，机器学习模型仍然容易受到对抗性威胁。对抗性机器学习是一个研究这些脆弱性以构建稳健机器学习模型的领域。量子机器学习是一个连接量子计算和经典机器学习的跨学科领域。尽管量子机器学习在回归、分类和生成建模等复杂任务中展现出超越经典机器学习的潜力，但它仍然容易受到对抗性攻击。鉴于量子计算和机器学习的最新进展，量子对抗机器学习领域应运而生，旨在研究量子机器学习的脆弱性、可能的攻击以及新型量子增强防御策略。在这篇综述中，我们详细概述了量子对抗机器学习，并探讨了现有的攻击和防御措施。我们还回顾了这一领域的理论基础、新兴趋势和关键挑战。