⚛️ quantum physics

Towards Quantum Optimised Malware Containment

تقترح هذه الورقة نهجاً كمياً هجيناً يجمع بين تقدير السعة الكمية وإيجاد الحد الأدنى لغروفر لتحقيق تسريع تربيعي في كل من تقدير التأثير وتحسين إزالة الحواف لاحتواء البرمجيات الخبيثة، مما يقدم حلاً واعداً طويل الأمد لتسريع تحسين الشبكات العشوائية رغم القيود الحالية للأجهزة.

المؤلفون الأصليون: Matthew Sutcliffe, Ravindra Mutyamsetty

نُشر 2026-04-30

📖 4 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Matthew Sutcliffe, Ravindra Mutyamsetty

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل شبكة حاسوبية كأنها مدينة صاخبة أصيبت ببعض مبانيها للتو بفيروس خطير (برمجيات خبيثة). ينتشر الفيروس من مبنى إلى آخر عبر الطرق (الاتصالات) التي تربط بينها. يحتاج فريق الأمن في المدينة إلى منع الفيروس من السيطرة على المدينة بأكملة، لكن لا يمكنهم ببساطة إغلاق المدينة بأكملها؛ لأن ذلك سيسبب الكثير من الفوضى وسيكلف الكثير من المال. عليهم إغلاق الطرق الصحيحة فقط لإيقاف الفيروس مع الحفاظ على سير العمل في المدينة.

تقترح هذه الورقة البحثية طريقة تقنية متطورة جديدة لتحديد أي الطرق يجب إغلاقها بالضبط. وهي تقترح استخدام الحواسيب الكمومية (Quantum Computers) لحل هذه المشكلة بسرعة أكبر بكثير مما تستطيع الحواسيب الفائقة الحالية القيام به.

إليك تفصيل فكرتهم باستخدام تشبيهات بسيطة:

المشكلة: فخ "التخمين والتحقق"

تستخدم فرق الأمن حالياً طريقة تسمى "محاكاة مونت كارلو" (Monte Carlo simulation). تخيل أنك تحاول التنبؤ بمدى انتشار حريق في غابة. للقيء بذلك، قد تقوم بتشغيل المحاكاة 10,000 مرة، وفي كل مرة تغير ظروف الرياح قليلاً، ثم تأخذ متوسط النتائج للحصول على تخمين جيد.

الطريقة القديمة: لإيجاد أفضل الطرق لإغلاقها، يتعين على الحاسوب تشغيل هذه المحاكاة الـ 10,000 لكل طريق واحد يفكر في إغلاقه. إذا كان هناك 1,000 طريق للفحص، فهذا يعني 10 ملايين عملية محاكاة. هذا الأمر بطيء، ومكلف، ويستهلك موارد حوسبية ضخمة.
المقايضة: إغلاق طريق ما يوقف الفيروس، ولكن إذا أغلقت طريقاً سريعاً رئيسياً، فإنك تعيق أيضاً وصول الناس إلى أعمالهم أو وصول الإمدادات إلى المستشفيات. الهدف هو إيجاد التوازن المثالي: إيقاف الفيروس بأقل قدر من الاضطراب.

الحل: "ماسح ضوئي فائق" كمومي

يقترح المؤلفون نهجاً هجيناً يستخدم خدعتين كموميتين محددتين لتسريع هذه العملية. فكر في الأمر كترقية من مجرد استخدام مصباح يدوي إلى استخدام ماسح ضوئي فائق القدرة.

1. تقدير السعة الكمومية (QAE): "العينة الفائقة"

التشبيه: تخيل أنك تحاول تخمين نسبة الكرات الحمراء في جرة ضخمة.
- الطريقة التقليدية: تمد يدك، تسحب كرة واحدة، تتحقق منها، ثم تعيدها، وتكرر ذلك 10,000 مرة للحصول على متوسط جيد.
- الطريقة الكمومية (QAE): يعمل الحاسوب الكمومي كأنه جرة سحرية تسمح لك بـ "الشعور" بالجرة بأكملها في وقت واحد. بدلاً من سحب الكرات واحدة تلو الأخرى، فإنه يستخدم الفيزياء الكمومية لتقدير النسبة في حركة واحدة معقدة.
النتيجة: تزعم الورقة أن هذا يقلل عدد "السحبات" (المحاكاة) المطلوبة من 10,000 إلى 100 فقط للحصول على نفس الدقة. إنه تسريع هائل في تقدير مدى سوء العدوى.

2. البحث عن الحد الأدنى لغروفر (GMF): "البحث السحري"

التشبيه: تخيل أن لديك قائمة تضم 1,000 مشتبه به، وعليك العثور على الشخص صاحب أدنى "درجة ذنب".
- الطريقة التقليدية: عليك فحص المشتبه به رقم 1، ثم رقم 2، ثم رقم 3، وهكذا حتى تصل إلى رقم 1,000. في أسوأ الحالات، ستفحص الجميع.
- الطريقة الكمومية (GMF): يمكن للحاسوب الكمومي النظر إلى جميع المشتبه بهم في وقت واحد في حالة "تراكب" (superposition) (أي الوجود في حالات متعددة في آن واحد). وهو يستخدم التداخل (مثل تداخل الموجات حيث تلغي بعضها البعض) لتضخيم "درجة الذنب" للمشتبه به الأفضل وإسكات البقية.
النتيجة: بدلاً من فحص 1,000 مشتبه به واحداً تلو الآخر، يجد الحاسوب الكمومي الأفضل في حوالي 30 خطوة فقط (الجذر التربيعي لـ 1,000). وهذا يجعل العثور على أفضل طريق للإغلاق أسرع بكثير.

تجميع الأجزوان معاً

تقترح الورقة دمج هاتين الأداتين:

استخدام QAE لتقدير مدى انتشار الفيروس بسرعة ودقة إذا تم إغلاق طريق معين.
استخدام GMF للبحث بسرعة عبر جميع الطرق الممكنة وإيجاد الطريق الذي يوفر أفضل حماية بأقل تكلفة.

واقع التكنولوجيا: "تكنولوجيا جاهزة للمستقبل"

المؤلفون صادقون جداً بشأن الحالة الراهنة للتكنولوجيا. فهم يعترفون بأنه بينما تبدو الرياضيات مثالية على الورق، إلا أننا لا نستطيع القيام بذلك على نطاق واسع بعد.

الأجهزة "المشوشة": الحواسيب الكمومية الحالية تشبه أجهزة الراديو التي تحتوي على الكثير من التشويش. إنها "مشوشة" (noisy). إذا حاولت تشغيل عملية حسابية معقدة عليها اليوم، فإن التشويش (الأخطاء) سيفسد النتيجة.
التجارب: أجرى المؤلفون اختبارات صغيرة على أجهزة كمومية حقيقية (شبكة صغيرة تتكون من 2 إلى 10 عقد) وحاكى بقية العمليات على حواسيب تقليدية. أظهرت الاختبارات الصغيرة أن الطريقة الكمومية تعمل كما هو متوقع، ولكن على نطاق صغير جداً فقط.
الاستنتاج: هذا هو إثبات لمفهوم (proof of concept). فهو يوضح أنه إذا بنينا حواسيب كمومية "مقاومة للأخطاء" (آلات لا ترتبك بسبب التشويش) في المستقبل، فإن هذه الطريقة يمكن أن تحدث ثورة في كيفية إيقاف البرمجيات الخبيثة. أما الآن، فهي اتجاه واعد طويل الأمد، وليست أداة يمكنك استخدامها في قسم تكنولوجيا المعلومات الخاص بك غداً.

باختة القول: تقول الورقة: "لدينا مخطط رياضي لأداة كمومية فائقة يمكنها إيقاف فيروسات الكمبيوتر أسرع بـ 100 مرة مما يمكننا فعله اليوم. لقد اختبرنا المخططات على نطاق صغير وهي تعمل، لكننا نحتاج إلى أجهزة أفضل قبل أن نتمكن من بناء الشيء الحقيقي."

فيما يلي ملخص تقني مفصل لورقة البحث بعنوان "نحو تحسين احتواء البرمجيات الخبيثة باستخدام الحوسبة الكمومية" للباحثين ماثيو سوتكليف ورافيندرا موتيامسيتي.

1. تعريف المشكلة

تتناول الورقة مشكلة احتواء البرمجيات الخبيثة (Malware Containment Problem)، والتي تمت صياغتها كمسألة تقليل التأثير في الشبكة (Network Influence Minimisation).

السياق: في رسم بياني للشبكة $G=(V, E)$ ، تنتشر البرمجيات الخبيثة بشكل عشوائي من مجموعة من العقد "البذرية" (seed nodes) المخترقة ( $S$ ) عبر قنوات اتصال (حواف/edges) ذات احتمالات تنشيط محددة ( $p$ ).
الهدف: الهدف هو تحديد مجموعة من الحواف ( $E'$ $E^{'}$ ) التي يجب إزالتها (تعطيلها) لتقليل دالة هدف مشتركة:
$\lambda \sigma(S; G \setminus E', p \setminus E') + (1 - \lambda) OI(S; E', i)$
حيث أن:
- $\sigma$ : عدد العقد المصابة المتوقع (التأثير) بعد الإزالة.
- $OI$ : التأثير التشغيلي (التكلفة) لإزالة الحواف، موازناً بأهميتها ( $i$ ).
- $\lambda$ : معامل وزن يوازن بين الأمن والاستمرارية التشغيلية.
العائق الكلاسيكي: تستخدم الحلول التقليدية خوارزمية جشعة (Greedy Algorithm) مقترنة بـ محاكاة مونت كارلو (MC) (تحديداً نموذج الانهيار المستقل - Independent Cascade model) لتقدير التأثير. يعاني هذا النهج من تكاليف حوسبة عالية لأن:
1. يتطلب تقدير التأثير لإزالة حافة واحدة $O(1/\epsilon^2)$ من عينات مونت كارلو لتحقيق خطأ إضافي قدره $\epsilon$ .
2. تتطلب عملية البحث الجشع تقييم $O(|E_C|)$ من الحواف المرشحة، مما يضاعف التكلفة.

2. المنهجية: النهج الكمومي الهجين

يقترح المؤلفون سير عمل كمومي هجين يستبدل المكونين الأكثر تكلفة في الحل الكلاسيكي بخوارزميات كمومية، مما يحقق تسارعاً تربيعياً (Quadratic Speedups) في كل من التقدير والبحث.

أ. تقدير السعة الكمومي (QAE) لتقدير التأثير

الدور: يستبدل محاكاة مونت كارلو الكلاسيكية.
الآلية:
- يتم بناء مؤثر وحدوي (Unitary operator) $A$ لتشفير عملية الانتشار العشوائي في حالة كمومية.
- يتم رسم توقع التأثير (احتمالية انتشار العدوى) على سعة "حالة النجاح" ( $|1\rangle$ ).
- يستخدم QAE تقدير الطور وتضخيم السعة لتقدير هذا الاحتمال.
تحسين التعقيد: يقلل تعقيد أخذ العينات من $O(1/\epsilon^2)$ (كلاسيكياً) إلى $O(1/\epsilon)$ (كمومياً) للوصول إلى خطأ إضافي مستهدف $\epsilon$ .

ب. البحث عن الحد الأدنى باستخدام غروفر (GMF) لاختيار الحواف

الدور: يستبدل البحث الخطي الكلاسيكي عبر الحواف المرشحة.
الآلية:
- تبحث الخوارزمية عن إزالة الحافة التي تقلل من دالة الهدف.
- تستخدم خوارزمية دير-هويير (Dürr-Høyer) (وهي نسخة مطورة من بحث غروفر) لإيجاد القيمة الدنيا في قائمة غير مرتبة من التدخلات المرشحة.
- من الضروري أن يعتمد "الأوراكل" (Oracle) المستخدم في GMF على روتين QAE لتوفير قيم التأثير بشكل متماسك (Coherently).
تحسين التعقيد: يقلل عدد التقييمات المرشحة من $O(|E_C|)$ (بحث خطي كلاسيكي) إلى $O(\sqrt{|E_C|})$ (بحث كمومي).

ج. التآزر (Synergy)

يتم ربط الخوارزميتين معاً: لا يمكن لـ GMF تحقيق تسارعها إلا إذا تم استعلام قيم كل مرشح (التأثير) بشكل متماسك. يوفر QAE آلية الاستعلام المتماسك هذه، مما يسمح لسير العمل الإجمالي بمعالجة كل من عائق التقدير وعائق البحث في آن واحد.

3. المساهمات الرئيسية

الصياغة الرسمية للمشكلة: تعريف احتواء البرمجيات الخبيثة كمسألة تحسين موزونة توازن بين انتشار العدوى والاضطراب التشغيلي.
الإطار الخوارزمي: اقتراح مزيج مبتكر من QAE وGMF مصمم خصيصاً لتحسين الشبكات العشوائية.
تحليل التعقيد: تقديم إثبات نظري بأن النهج الهجين يقدم تحسينات تربيعية في كل من مقياس الخطأ ( $1/\epsilon$ مقابل $1/\epsilon^2$ ) ومقياس مساحة البحث ( $\sqrt{N}$ مقابل $N$ ).
بناء الأوراكل (Oracle Construction): وصف البناء النظري للأوراكلات الكمومية المطلوبة لتشفير عمليات انتشار الرسم البياني والتكاليف التشغيلية.
التحقق التجريبي: إجراء تجارب أولية على شبكات صغيرة الحجم باستخدام محاكاة كلاسيكية لـ QAE وتنفيذ GMF على أجهزة كمومية حقيقية (IBM 'Fez').

4. النتائج والتجارب

قام المؤلفون بالتحقق من نهجهم من خلال مرحلتين تجريبيتين متميزتين:

تقييم QAE (المحاكاة الكلاسيكية):
- الإعداد: تم الاختبار على رسم بياني عشوائي مكون من 20 عقدة.
- النتيجة: لتحقيق دقة 99.5% ( $\epsilon = 0.005$ )، تطلبت طريقة مونت كارلو الكلاسية حوالي 16,000 تكرار (وصلت فقط إلى دقة 99.31%)، بينما حقق QAE دقة 99.86% في 50 استدعاءً فقط للأوراكل.
- المقياس: يمثل هذا انخفاضاً بمقدار 320 ضعفاً في عدد التكرارات، وهو ما يتوافق تماماً مع التنبؤ النظري بتحسن قدره 200 ضعف ( $O(1/\epsilon^2)$ مقابل $O(1/\epsilon)$ ).
تقييم GMF (الأجهزة الحقيقية):
- الإعداد: تم الاختبار على معالج IBM 'Fez' الكمومي باستخدام رسوم بيانية من 2 إلى 10 عقد وحواف مرشحة من 1 إلى 16.
- النتيجة: أظهر البحث القائم على غروفر انخفاضاً واضحاً في عدد الخطوات (استدعاءات الأوراكل) مقارنة بالبحث الخطي الكلاسيكي.
- القيود: بسبب الضجيج في أجهزة NISQ (الأجهزة الكمومية متوسطة الحجم ذات الضجيج)، اقتصرت التجارب على مقاييس صغيرة جداً. الميزة الزمنية هي حالياً نظرية، حيث أن تكلفة استدعاء أوراكل كمومي واحد عميق تتجاوز تكلفة المحاكاة الكلاسيكية.

5. الأهمية والآفاق المستقبلية

الإمكانات النظرية: تثبت الورقة أن الحوسبة الكمومية تقدم اتجاهاً واعداً طويل الأمد لحل مسائل تحسين الشبكات العشوائية، مما قد يغير كيفية نمذجة دفاعات الأمن السيبراني.
القيود الحالية: التنفيذ العملي غير ممكن حالياً بسبب غياب الحواسيب الكمومية المقاومة للأخطاء (FTQC). فالعمق العالي لدوائر QAE وحساسية GMF للضجيج يجعلانها غير مناسبة للأجهزة (NISQ) في الوقت الحالي.
الاتجاه المستقبلي: يعمل هذا العمل كـ إثبات للمفهوم (Proof of Concept). ومع تقدم الأجهزة نحو القدرة على تصحيح الأخطاء، فإن التسارعات التربيعية الموضحة نظرياً يمكن أن تؤدي إلى استراتيجيات احتواء برمجيات خبيثة واسعة النطاق وفي الوقت الفعلي، وهي أمور تعتبر مستعصية حوسبياً في الوقت الحالي.

باختصار، توضح الورقة أنه من خلال الاستفادة من تقدير السعة الكمومي (QAE) والبحث عن الحد الأدنى باستخدام غروفر (GMF)، يمكن تقليل التعقيد الحوسبي لتقليل انتشار البرمجيات الخبيثة بشكل تربيعي، مما يوفر ميزة نظرية كبيرة على النهج الجشع الكلاسيكي، بشرط أن تدعم الأجهزة المستقبلية مستوى التماسك وتصحيح الأخطاء المطلوب.