Обсяг і структура роботи. Пояснювальна записка до магістерської дисертації містить 122 сторінок тексту, 10 рисунків, 2 таблиці та 52 найменування використаних джерел. Об’єкт дослідження – процес стабілізації квантових станів та компенсації квантової декогеренції. Предмет дослідження – апаратно-програмні засоби та нейромережеві алгоритми Edge AI для предиктивного керування надпровідними кубітами на базі гетерогенної архітектури мікроконтролерів. Мета роботи – підвищення часу когерентності та стабільності надпровідних кубітів шляхом розробки автономної високошвидкісної системи предиктивного керування, що функціонує в жорсткому реальному часі за рахунок впровадження концепції TinyML на багатоядерному мікроконтролері. Методи дослідження. У роботі використано методи квантової механіки та формалізм вектора Блоха для створення математичної моделі цифрового двійника кубіта; методи цифрової обробки сигналів та фільтрації для генерації стохастичного флікер-шуму на базі апаратного модуля TRNG; методи машинного навчання, афінного симетричного квантування та концепцію TinyML для розробки, стиснення та розгортання багатошарового персептрона на мікроконтролері. Наукова новизна. Набуло подальшого розвитку застосування парадигми Edge AI для задач стабілізації квантових станів. Доведено можливість ефективного субмікросекундного прогнозування стохастичного шуму Паулі за рахунок розподілу обчислень на гетерогенній архітектурі та застосування апаратних DSP-інструкцій SMLAD. Практичне значення. Розроблено та оптимізовано готовий програмно-апаратний комплекс на базі системи на кристалі PSoC 63, який забезпечує наскрізну латентність контуру керування на рівні 4.5 мікросекунди при використанні менше 20% апаратних ресурсів пам'яті. Розроблена система може бути використана як базовий рівень керування в мікроелектронній інфраструктурі сучасних квантових процесорів.
Обсяг і структура роботи. Пояснювальна записка до магістерської дисертації містить 122 сторінок тексту, 10 рисунків, 2 таблиці та 52 найменування використаних джерел. Об’єкт дослідження – процес стабілізації квантових станів та компенсації квантової декогеренції. Предмет дослідження – апаратно-програмні засоби та нейромережеві алгоритми Edge AI для предиктивного керування надпровідними кубітами на базі гетерогенної архітектури мікроконтролерів. Мета роботи – підвищення часу когерентності та стабільності надпровідних кубітів шляхом розробки автономної високошвидкісної системи предиктивного керування, що функціонує в жорсткому реальному часі за рахунок впровадження концепції TinyML на багатоядерному мікроконтролері. Методи дослідження. У роботі використано методи квантової механіки та формалізм вектора Блоха для створення математичної моделі цифрового двійника кубіта; методи цифрової обробки сигналів та фільтрації для генерації стохастичного флікер-шуму на базі апаратного модуля TRNG; методи машинного навчання, афінного симетричного квантування та концепцію TinyML для розробки, стиснення та розгортання багатошарового персептрона на мікроконтролері. Наукова новизна. Набуло подальшого розвитку застосування парадигми Edge AI для задач стабілізації квантових станів. Доведено можливість ефективного субмікросекундного прогнозування стохастичного шуму Паулі за рахунок розподілу обчислень на гетерогенній архітектурі та застосування апаратних DSP-інструкцій SMLAD. Практичне значення. Розроблено та оптимізовано готовий програмно-апаратний комплекс на базі системи на кристалі PSoC 63, який забезпечує наскрізну латентність контуру керування на рівні 4.5 мікросекунди при використанні менше 20% апаратних ресурсів пам'яті. Розроблена система може бути використана як базовий рівень керування в мікроелектронній інфраструктурі сучасних квантових процесорів.
Дипломна робота: 75 с., 32 рис., 12 табл., 28 посиланнь, додаток. Об’єктом дослідження є набір даних Iris для задачі багатокласової класифікації. Предметом дослідження є класичні, гібридні варіаційні квантові та квантові ядерні моделі машинного навчання. Метою роботи є порівняння класичних, гібридних варіаційних квантових та квантових ядерних класифікаторів за точністю, ефективністю та практичною застосовністю. У роботі використано методи машинного навчання, квантового машинного навчання, стратифікованої 5-кратної крос-валідації, статистичного аналізу та аналізу виразності квантових схем. Розроблено програмний продукт мовою Python, який реалізує 8 моделей класифікації: Classical-Only NN, BasicRotation, BasicEntangler, StronglyEntangled, Classical RBF-SVM, ZZFeatureMap Kernel, IQP-style Kernel та Amplitude Embed Kernel. Проведено експериментальне порівняння моделей із використанням бібліотек PennyLane, PyTorch та scikit-learn. Встановлено, що квантові та гібридні підходи є перспективними для задач ядрової класифікації, однак їхня ефективність залежить від вибору схеми кодування даних, типу ядра та розміру вибірки. Отримані результати можуть бути використані для подальших досліджень квантового машинного навчання, тестування моделей на складніших наборах даних, реальних квантових процесорах та в умовах квантового шуму.
З появою квантових обчислювальних технологій, що мають потенціал обчислювати з набагато більшою швидкістю, ніж класичні комп’ютери класична стеганографія стикається з новими загрозами, які ускладнюють приховування інформації. Водночас це стимулює розвиток нових підходів, таких як постквантова стеганографія, яка враховує потенціал квантових обчислень. Але, виявляється, що квантові обчислення мають потенціал радикально змінити багато аспектів криптографії, а стеганографія, яка використовується для приховування інформації, також може зазнати впливу. Мета роботи. Аналіз особливостей впливу найвідомішої реалізації квантової криптографії, як квантовий розподіл ключів (Quantum Key Distribution для розробки рекомендацій щодо підвищення ефективності стеганографічних методів. Методологія дослідження. Для дослідження впливу квантових обчислень на стеганографію розглянуто застосування різноманітних методів, залежно від конкретних цілей дослідження та доступних ресурсів, а саме: математичне моделювання стеганографічних алгоритмів, аналіз вразливостей перед квантовими алгоритмами, розробка квантових атак на стеганографічні методи та інші. Наукова новизна. Авторами у цієї проблематиці були визначені основні криптографічні системи, що забезпечують захист інформації в умовах квантових загроз, у тому числі особливості квантової криптографії. Також наведені основні особливості квантових обчислень, такі як суперпозиція, заплутаність та зв’язаність. Як результати дослідження можуть бути такі. Нарешті, необхідно зазначити, що загрози, які виникають у результаті розвитку квантових технологій, вимагають термінової адаптації та впровадження нових стандартів у сфері інформаційної безпеки. Інтеграція QKD і стеганографії є багатообіцяючим напрямком, що може знайти застосування в захищених комунікаціях, зокрема в дипломатії, оборонній сфері та приватних зв’язках. Висновки. Квантова механіка пропонує високий рівень випадковості, який може бути використаний для підвищення надійності приховування інформації за рахунок переваг квантового випадкового шуму. Це дозволяє створювати більш стійкі до виявлення стеганографічні системи. Потенційні напрямами подальших досліджень можуть бути: вивчення інтеграції квантових методів з класичною стеганографією; аналіз безпеки стеганографічних методів у постквантовий період; розробка квантових протоколів стеганографії; оцінка впливу квантового шуму на приховування та виявлення інформації для захисту систем електронної комерції.
Проблеми інформатизації: тринадцята міжнародна науково-технічна конференція 65 МЕТОДИ КВАНТОВОЇ СТЕГАНОГРАФІЇ ЗОБРАЖЕНЬ ТА ЇХ ЗАСТОСУВАННЯ В СИСТЕМАХ ЗАХИСТУ Головко Є.В.Харківський національний університет радіоелектроніки, Харків, Україна Сучасні інформаційні системи потребують високого рівня захисту, особливо коли дані передаються відкритими каналами зв'язку.Але традиційні криптографічні підходи не приховують факт існування секретного повідомлення.Поєднання стеганографії з квантовими обчисленнями створює новий рівень безпеки, оскільки квантові стани дозволяють здійснювати операції паралельно, забезпечують високу непомітність і ускладнюють виконання стеганоаналізу [1].Саме тому виникає необхідність наукового дослідження моделей квантового подання зображень та алгоритмів квантової стеганографії, орієнтованих на ефективне та надійне приховування даних.Метою доповіді є дослідження моделей квантових зображень та стеганографічних методів на основі LSB, що забезпечують підвищений рівень захищеності інформації.Квантові комп'ютери відкривають доступ до нових принципів представлення та обробки зображень, що забезпечує значні переваги порівняно з класичними системами.Моделювання зображень у квантових станах дозволяє реалізувати операції над усіма пікселями одночасно, що підвищує ефективність і розширює можливості забезпечення безпеки.Крім того, існуючі класичні стеганографічні методи є дедалі вразливішими до сучасних атак, тоді як квантові стани дозволяють мінімізувати спотворення та ускладнюють виявлення вбудованого повідомлення [2].Актуальність зумовлена потребою у захищеній передачі зображень у таких сферах, як телемедицина, оборона, супутникова розвідка й системи спостереження, де конфіденційність і непомітність мають вирішальне значення.Моделі зображень у квантових станах формують основу для побудови стеганографічних алгоритмів.Модель квантової решітки передбачає пряме відображення пікселів у кубіти, що робить її концептуально простою, але практично складною через потребу у великій кількості кубітів.Модель Real Ket базується на багаторівневому поділі зображення та використанні заплутування, що дозволяє виконати стиснення, однак випадковість структури зображення обмежує її ефективність у реальних застосуваннях.Розвиток моделей призвів до створення FRQI, де координати та інтенсивність зображення зберігаються у суперпозиційних станах.Ця модель забезпечує компактність представлення та можливість паралельної обробки, але має значну обчислювальну складність і застосовується лише до квадратних зображень.На відміну від неї, модель NEQR кодує інтенсивність у базисних станах кубітів і дозволяє зменшити складність формування зображення у квантовому вигляді, що робить її технологічно зручною та придатною для використання в схемах стеганографії [3].Усі ці моделі демонструють різний баланс між точністю представлення, кількістю необхідних кубітів та обчислювальною ефективністю,
Проведено систематичний огляд передумов застосування квантових обчислень у високоточних системах керування, з урахуванням обмежень традиційних архітектур, що пов'язані з обчислювальною складністю, затримками та обмеженою адаптивністю у реальному часі. Визначено класи задач, для яких потенційно доцільним є впровадження квантових обчислювальних рішень, як то оптимізація траєкторій, прогнозування станів і стабілізація динаміки. Розглянуто провідні архітектури квантових обчислювальних пристроїв з точки зору їхньої сумісності з потребами систем управління. Проаналізовано алгоритмічну базу, релевантну для задач оптимізації та прийняття рішень, зокрема алгоритми Гровера, варіаційний квантовий евристичний алгоритм, варіаційний алгоритм оцінювання енергії, квантові алгоритми лінійної алгебри. Виокремлено ключові характеристики квантових платформ, як то квантова перевага, декогеренція, чутливість до шуму, обмеження на кількість кубітів, як визначальні для практичного впровадження. Узагальнено технічні вимоги до обчислювальних ядер, що мають бути враховані при проєктуванні гібридних архітектур. Наведено приклади використання предикативного та адаптивного керування з включенням квантових прискорювачів. Розглянуто моделі співіснування класичних і квантових компонентів у режимі онлайн-керування. Визначено перспективність використання квантових алгоритмів у задачах моделювання та управління. Розроблено узагальнену концепцію гібридної системи керування, що включає класичний модуль прийняття рішень та квантовий оптимізатор. Здійснено аналітичне порівняння продуктивності класичних та квантових підходів на прикладі типових задач управління, з використанням метрик швидкодії, точності та стійкості до шуму. Запропоновано архітектурне рішення з використанням квантового оптимізатора для керування багатоагентною системою з неповною інформацією про стан середовища. Наведено умовно-формальний опис алгоритму гібридного керування з квантовим елементом у контурі оптимізації.
Стрімкий розвиток методів штучного інтелекту та машинного навчання супроводжується зростанням потреби у моделях, які поєднують високу точність з прозорістю та нтерпретацєю результатів. Більшість сучасних глибоких нейронних мереж функціонують як «чорні скриньки», що ускладнює їх застосування у критично важливих сферах – медицині, фінансах, транспорті, де необхідна верифікація рішень експертами. Водночас, розвиток квантових технологій і квантового машинного навчання відкриває нові можливості для побудови моделей, здатних ефективно працювати у просторах великої розмірності. Мета роботи полягає у розробці та експериментальній перевірці інтерпретованої гібридної моделі бінарної класифікації, яка поєднує нечіткий шар правил з варіаційною квантовою схемою, на прикладі задачі прогнозування виживання пасажирів (датасет Titanic), а також у порівнянні її з класичними підходами з точки зору точності та пояснюваності. Методологія дослідження ґрунтується на поєднанні апарату нечіткої логіки та варіаційних квантових схем. На першому етапі формуються лінгвістичні змінні для ознак датасету, задаються гауссові функції належності та формалізуються інтерпретовані нечіткі правила типу IF–THEN, які відображають предметні знання про задачу Titanic. На основі ступенів активації правил будується вектор ознак нечіткого шару. На другому етапі цей вектор лінійно агрегується за допомогою ваг правил, що підлягають навчанню, та кодується в параметри вхідних квантових обертань. Третій етап передбачає використання варіаційної квантової схеми з параметризованими воротами RX, RY та ентанглінгом CNOT, вихід якої вимірюється оператором Паулі-Z та перетворюється у ймовірність класу за допомогою логістичної функції. Навчання здійснюється методом градієнтного спуску з використанням правила параметрного зсуву для квантової частини моделі. Для порівняння реалізовано нечітко-класичний варіант моделі без квантового шару та логістичну регресію. Наукова новизна роботи полягає у створенні гібридної нейро-фазі-квантової архітектури, у якій знання предметної області явно кодуються у вигляді нечітких правил з інтерпретованими вагами, а квантовий шар використовується як нелінійний агрегатор цих правил. На відміну від традиційних «чорних» квантових класифікаторів, запропонований підхід забезпечує прозоре відображення впливу кожного правила на кінцевий результат, що підвищує довіру до моделі та створює можливості для експертного аналізу. У роботі продемонстровано, що поєднання нечіткої логіки з варіаційними квантовими схемами дозволяє отримати класифікатор зі збереженою інтерпретованістю та покращеними можливостями моделювання складних залежностей між ознаками. Висновки. Експериментальне дослідження на основі датасету Titanic показало, що запропонована гібридна модель демонструє якість класифікації (accuracy, F1-міру), порівнянну або дещо вищу за результати нечітко-класичної моделі та логістичної регресії, при цьому забезпечуючи високий рівень інтерпретованості завдяки аналізу ваг і активності нечітких правил. Модель дозволяє пояснювати окремі рішення, визначати найважливіші правила і перевіряти їх на узгодженість з очікуваними доменними знаннями. Перспективними напрямами розвитку є масштабування моделі на більш комплексні задачі, автоматична генерація нечітких правил, адаптація до роботи на реальних квантових пристроях із шумами та застосування в галузях, де особливо важливі прозорість і надійність систем штучного інтелекту.
Стрімкий розвиток квантових обчислень створює загрозу для сучасних криптографічних механізмів, що використовуються для захисту конфіденційності, цілісності та автентифікації даних у цифрових системах.Це особливо актуально для критичних інфраструктур, таких як енергетичні, транспортні, фінансові та урядові інформаційні системи, де компрометація безпеки може мати катастрофічні наслідки. Враховуючи цей виклик, сучасні дослідження зосереджені на розробці та впровадженні постквантових криптографічних рішень, здатних протистояти атакам квантових комп’ютерів. У даній роботі проводиться аналіз основних класів квантово-стійких криптографічних алгоритмів, включаючи кодові, решіткові, многочленні та хешеві схеми. Особливу увагу приділено їхньому порівнянню за ключовими параметрами продуктивності та безпеки, що є критично важливими для реального впровадження. Результати дослідження показують, що решіткові алгоритми, такі як Kyber та NTRU, демонструють оптимальне співвідношення між продуктивністю та стійкістю до атак квантових комп’ютерів, що робить їх найбільш перспективними кандидатами для стандартизації. Водночас кодові алгоритми, зокрема McEliece, забезпечують надзвичайно високий рівень захисту, проте їхній великий розмір ключів залишається серйозним обмеженням для широкого використання.Розглянуто архітектурні рішення для інтеграції квантово-стійкої криптографії в критичні інформаційні системи. Запропоновано використання гібридних криптографічних механізмів, що поєднують традиційні та постквантові алгоритми для забезпечення безпеки в перехідний період. Також розглянуто необхідність адаптації сучасних протоколів, таких як TLS, IPsec та VPN, для підтримки нових алгоритмів, що сприятиме безболісному переходу до повноцінної квантово-стійкої криптографії.Окрему увагу приділено викликам впровадження квантово-стійкої криптографії, включаючи високі обчислювальні вимоги, сумісність із наявними мережевими протоколами, відсутність єдиних стандартів та необхідність оновлення апаратного забезпечення. Наведені можливі шляхи подолання цих проблем, зокрема впровадження апаратних прискорювачів криптографічних операцій та оптимізація алгоритмів для зменшення навантаження на обчислювальні ресурси. Загальні висновки дослідження вказують на неминучість поступового переходу на постквантову криптографію та необхідність стратегічного планування для її ефективного впровадження. Подальші дослідження у цій сфері мають бути спрямовані на оптимізацію алгоритмів, тестування їхньої безпеки в реальних умовах та розробку міжнародних стандартів, що забезпечать довготривалу захищеність цифрових інфраструктур.