Quantum Machine Learning for Cybersecurity Applications: Simulation and Hardware Validation
تُثبت هذه الورقة أن البنى الهجينة الكمية-التقليدية، وتحديداً تلك التي تستخدم شبكات إدراك متعددة الطبقات مدمجة مع رؤوس كمية صغيرة مثل آلات ناقلات الدعم الكمية (QSVM) والدوائر الكمية المتغيرة (VQC)، يمكنها بفعالية مضاهاة أو التفوق قليلاً على النماذج التقليدية في اكتشاف تهديدات الأمن السيبراني في ظل قيود الموارد الصارمة، مع التحقق من نتائج المحاكاة على أجهزة IBM الكمية ذات الضجيج.
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
في عالم الأمن السيبراني عالي المخاطر، يسابق المدافعون باستمرار المهاجمين الذين يحاولون التسلل عبر الحراس الرقميين. هؤلاء الحراس، المعروفون بأنظمة كشف التهديدات، يعملون كمرشحات (فلاتر)، حيث يقومون بفحص البيانات الواردة مثل حركة مرور الشبكة أو رسائل البريد الإلكتروني لرصد الأنشطة الضارة. لسنوات طويلة، اعتمدت هذه الأنظمة على الحواسيب التقليدية، وهي ممتازة في معالجة كميات هائلة من المعلومات. ومع ذلك، مع ازدياد تعقيد البيانات وأصبح المهاجمون أكثر دهاءً، بدأت هذه الأنظمة التقليدية تعاني أحياناً، لا سيما عندما يقع الهجوم تماماً على الحافة الفاصلة بين ما يبدو طبيعياً وما هو ضار. وهنا يدخل مجال جديد يسمى تعلم الآلة الكمومي. إنه يحاول استخدام القواعد الغريبة وغير المتوقعة للفيزياء الكمومية — العلم الذي يحكم سلوك الجسيمات الأصغر في الكون — لجعل هذه المرشحات أكثر ذكاءً. وبينما كانت فكرة استخدام الحواسيب الكمومية للأمن موجودة منذ فترة، إلا أن معظم الأعمال السابقة كانت نظرية أو اختُبرت على آلات مثالية خيالية. ويبقى السؤال الحقيقي: هل يمكن لهذه الأدوات الكمومية أن تعمل بالفعل على الأجهزة الحقيقية الصاخبة وغير المثالية المتاحة اليوم، وهل تقدم ميزة حقيقية عندما تكون الموارد محدودة؟
لقد سعى فريق من الباحثين في جامعة جونز هوبكنز للإجابة على هذا السؤال من خلال بناء اختبار عملي يجسّر الفجوة بين النظرية والواقع. فقد صمموا نظاماً هجيناً، وكلمة "هجين" هنا تعني تعاوناً بين حاسوب تقليدي ومعالج كمومي صغير. بدأ الباحثون بمشكلة قياسية: التمييز بين البيانات الآمنة والخطيرة. لقد أخذوا مجموعتين حقيقيتين من البيانات، إحداهما تحتوي على سجلات لتسللات الشبكة والأخرى مليئة برسائل البريد الإلكتروني غير المرغوب فيها (السبام). ولضمان إجراء اختبار عادل، قاموا أولاً بضغط الكمية الهائلة من المعلومات في هذه المجموعات إلى حجم صغير يمكن التحكم فيه باستخدام برنامج حاسوبي تقليدي قياسي. كانت هذه الخطوة حاسمة لأن الحواسيب الكمومية الحالية صغيرة جداً ولا يمكنها التعامل إلا مع قطع قليلة من المعلومات في وقت واحد. ثم قام الباحثون بتغذية هذه البيانات المضغوطة في الجزء الكمومي من النظام لاتخاذ القرار النهائي بشأن ما إذا كانت البيانات آمنة أم هجوماً.
اختبر الفريق طريقتين مختلفتين يمكن للجزء الكمومي من خلالهما اتخاذ هذه القرارات. الطريقة الأولى، التي أطلقوا عليها اسم "آلة متجه الدعم الكمومي"، تستخدم مجموعة ثابتة من القواعد لقياس مدى تشابه قطعة جديدة من البيانات مع الأمثلة المعروفة. أما الطريقة الثانية، والمعروفة باسم "الدائرة الكمومية المتغيرة"، فهي أكثر مرونة؛ إذ هي عبارة عن دائرة يمكن تدريبها وتعديلها، تماماً مثل الشبكة العصبية التقليدية، لتعلم أفضل طريقة للفصل بين البيانات الجيدة والسيئة. قام الفريق بإجراء هذه الاختبارات على محاكي يحاكي سلوك حاسوب كمومي حقيقي، بما في ذلك الأخطاء والضوضاء التي تحدث في العالم الحقيقي. وقارنوا النتائج الكمومية بنظام تقليدي بحت تم تزويده بنفس القدر من المعلومات والقدرة الحوسبية لضمان أن أي فرق في الأداء ناتج عن الطريقة الكمومية نفسها، وليس بسبب امتلاك المزيد من البيانات أو أدوات أفضل.
أظهرت النتائج من المحاكاة نمطاً واضحاً. فالنظام الكمومي الذي يستخدم القواعد الثابتة، أي آلة متجه الدعم الكمومي، قدم أداءً جيداً للغاية، خاصة عندما زادوا عدد البتات الكمومية، أو "الكيوبتات"، من اثنين إلى أربعة. ومع وجود أربعة كيوبتات، أصبح هذا النظام أفضل بشكل ملحوظ في رصد الهجمات وتقليل الإنذارات الكاذبة مقارنة بالنظام التقليدي. كما أظهرت الدائرة الكمومية المرنة والقابلة للتدريب نتائج واعدة، لكنها كانت أقل استقراراً؛ فعندما زادوا حجمها، ساء أداؤها أحياناً، ويرجع ذلك على الأرجح إلى أن عملية التدريب كانت حساسة جداً للأخطاء الصغيرة المتأصلة في الآلات الكمومية. وقد أشار هذا إلى أنه بالنسبة لمهام الأمن هذه، فإن النهج الكمومي الأبسط ذو القواعد الثابتة كان أكثر موثوقية من النهج المعقد والقابل للتدريب.
وللانتقال إلى ما وراء المحاكاة، أخذ الباحثون أفضل النماذج أداءً لديهم — وهو آلة متجه الدعم الكمومي ذات الأربعة كيوبتات — وشغلوه على حاسوب كمومي حقيقي مقدم من شركة IBM. كانت هذه خطوة حاسمة لأن الآلات الحقيقية بعيدة كل البعد عن المثالية؛ فهي تعاني من الضوضاء الكهربائية وانحرافات المعايرة التي لا توجد في عمليات المحاكاة. وعندما اختبروا النموذج على مجموعة فرعية صغيرة من بيانات البريد الإلكتروني غير المرغوب فيه، أدى الجهاز الحقيقي أداءً يقارب ما توقعه المحاكي. كانت النتائج أقل قليلاً، لكن هذا الانخفاض كان متسقاً مع ما هو متوقع من العيوب المعروفة في الأجهزة. وقد أكد هذا أن الميزة الكمومية التي شوهدت في المحاكاة لم تكن وهماً؛ بل يمكنها الصمود أمام الانتقال إلى الأجهزة الحقيقية الصاخبة.
أراد الباحثون أيضاً معرفة مدى قوة هذه الأنظمة الكمومية ضد المهاجمين الماكرين الذين قد يحاولون خداعها. فقد أخضعوا النموذج لأشكال مختلفة من التخريب الرقمي، مثل إضافة كلمات غريبة إلى رسائل البريد الإلكتروني أو تغيير النص ببراعة لإخفاء النوايا الخبيثة. وكشفت الاختبارات أنه بينما كان النظام قوياً بشكل عام، إلا أنه لم يكن منيعاً. فقد تسببت أنواع معينة من الهجمات، وخاصة تلك التي استبدلت الكلمات أو حقنت ضوضاء كثيفة تشبه الرسائل غير المرغوب فيها، في جعل النظام يرتكب المزيد من الأخطاء. ومع ذلك، لم ينهار النظام تماماً؛ بل أظهر نمطاً محدداً من الفشل يساعد الباحثين على فهم مواضع التحسين في الدفاع.
في الختية، تشير هذه الدراسة إلى أنه حتى مع الحواسيب الكمومية المحدودة والصاخبة المتاحة اليوم، يمكن للمكونات الكمومية المصممة بعناية أن تعمل كأدوات فعالة للأمن السيبراني. ويشير البحث إلى أن معالجاً كمومياً صغيراً ذا قواعد ثابتة يمكنه مضاهاة أو التفوق قليلاً على الطرق التقليدية عندما تكون الموارد مقيدة، لا سيما في رصد الهجمات الصعبة التي تقع على الحدود بين الآمن والضار. ويوضح العمل أن الفجوة بين المحاكاة والواقع يمكن إدارتها، وأن الطريق إلى الأمام لا يتطلب فقط بناء حواسيب كمومية أكبر، بل هندسة هذه الأنظمة لتعمل بذكاء ضمن الحدود الصارمة للتكنولوجيا الحالية. وللمرة الأولى، لدينا دليل على أن تعلم الآلة الكمومي ليس مجرد إمكانية نظرية للأمن، بل هو خيار عملي ومراعٍ للميزانية يمكنه العمل في العالم الحقيقي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.