Quantum computing methods for malware classification

Abstract

Práce zkoumá potenciál kvantových počítačů v oblasti klasifikace malware prostřednictvím aplikace algoritmů kvantového strojového učení (QML). Hlavním cílem je prozkoumat výkon algoritmu Quantum Support Vector Machine (QSVM) ve srovnání s přístupy, nevyužívají kvantové výpočty. Byl vyvinut Python modul pro výběr, extrakci a preprocessing vzorků malware z veřejně dostupného datasetu PE Malware Machine Learning. Byl implementován algoritmus QSVM, který zahrnuje kvantová jádra s různými typy mapování příznaků. Následně byl otestován na lokálním simulátoru z Qiskit SDK a na kvantových počítačích od IBM. Výsledky experimentů poskytují vhled do chování a skutečného výkonu kvantových počítačů, zejména pokud jde o komplexní výpočty typické pro oblast klasifikace malware. Práce pokládá základy pro budoucí výzkum v oblasti klasifikace malware, demonstruje proveditelnost a přínosnost v rozvoji kybernetické bezpečnosti. Stěžejní přínos práce zahrnuje nalezení a nápravu kritických chyb v původní implementaci tříd pro výpočet kvantového jádra v knihovně Qiskit Machine Learning. Chyby zahrnovaly neprovádění transpilace kvantových obvodů odeslaných ke zpracování kvantovému počítači nebo překročení limitu maximální velikosti výpočetní úlohy v důsledku zpracování všech obvodů v rámci jediné úlohy.