BriefGPT - AI 论文速递
·
可计算的模型无关对抗量子机器学习界限
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
云端托管的量子机器学习模型面临模型窃取攻击，研究表明攻击可生成与原模型相似的克隆模型。为防御此类攻击，提出两种方法利用硬件噪声干扰输出，尽管效果有限，但发现经过噪声硬件训练的模型对扰动具有天然抵抗力。
🎯
关键要点
- 云端托管的量子机器学习模型面临模型窃取攻击。
- 研究评估了模型窃取攻击在量子计算领域的效果。
- 实验显示，模型窃取攻击可以生成克隆模型，克隆测试准确率达到原模型的0.9倍和0.99倍。
- 提出两种防御方法：硬件变化诱发的扰动（HVIP）和硬件与模型结构变化诱发的扰动（HAVIP）。
- 噪声和架构的可变性提供约16%的输出混淆，但克隆模型在噪声条件下表现出弹性。
- 在噪声硬件上训练的QML模型对扰动具有天然抵抗力。
➡️
