[论文解读] Impact of the malicious input data modification on the efficiency of quantum algorithms.

Adam Glos, Jarosław Adam Miszczak|arXiv (Cornell University)|Feb 27, 2018

Quantum Computing Algorithms and Architecture被引用 2

一句话总结

本文表明，对输入数据的恶意操纵会严重降低量子搜索算法的效率，尤其是基于Szegedy量子行走的算法。通过引入一种分析此类攻击的框架，作者们展示了对抗性输入修改可在各种随机图模型上破坏性能，揭示了量子算法安全性的关键漏洞。

ABSTRACT

In this paper we demonstrate that the efficiency of quantum algorithms can be significantly altered by malicious manipulation of the input data. We exemplify the possibility of attacks on quantum spatial search based on Szegedy walk. We achieve this by proposing a framework suitable for analysing efficiency of attacks on quantum search algorithms. We provide the analysis of proposed attacks for different models of random graphs.

研究动机与目标

• 研究对抗性输入操纵如何损害量子搜索算法的效率。
• 开发一种系统性框架，用于分析输入数据修改对量子算法性能的影响。
• 评估此类攻击在不同随机图模型上的有效性。
• 识别在恶意输入条件下量子搜索算法的结构性安全漏洞。

提出的方法

• 作者设计了一个形式化框架，用于建模和分析恶意输入数据对量子搜索算法的影响。
• 他们将该框架应用于分析基于Szegedy量子行走形式化的量子空间搜索算法所遭受的攻击。
• 在多种随机图模型上进行分析，以评估在不同拓扑结构下的鲁棒性。
• 使用成功率和运行时间等关键指标，量化由于输入操纵导致的算法效率下降。
• 该框架使得在不同图集合和输入扰动类型之间系统比较攻击效果成为可能。

实验结果

研究问题

• RQ1 恶意输入数据在多大程度上会降低量子搜索算法的成功概率？
• RQ2 随机图的结构在多大程度上影响基于量子行走的搜索对输入操纵的脆弱性？
• RQ3 在何种条件下，输入数据的修改会导致量子算法性能显著下降？
• RQ4 能否构建一个通用框架，以预测和分析对抗性输入对量子搜索效率的影响？

主要发现

• 恶意输入数据可显著降低基于Szegedy行走的量子空间搜索算法的成功概率。
• 在某些随机图模型中，效率下降更为明显，表明其脆弱性具有模型依赖性。
• 所提出的框架成功识别出导致量子搜索性能崩溃的关键输入扰动。
• 研究表明，即使是非常小且有针对性的输入修改，也能在多种图拓扑结构上破坏量子算法的性能。