💻 computer science

Quantum-Inspired Reinforcement Learning for Low-Latency Intrusion Detection in V2X and Internet-of-Vehicles Networks

यह शोध पत्र QIRL को प्रस्तुत करता है, जो एक हल्का, क्वांटम-प्रेरित सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है, जो क्वांटम स्टेट एनकोडिंग, लागत-संवेदनशील रिवॉर्ड शेपिंग और टेम्पोरल डिपेंडेंसी मॉडलिंग को संयोजित करके V2X और इंटरनेट-ऑफ-व्हीकल्स नेटवर्क के भीतर बहु-चरणीय साइबर खतरों का पता लगाने में अल्ट्रा-लो लेटेंसी और उच्च सटीकता प्राप्त करता है।

मूल लेखक: Sajid Anwer, Rohan Farooq, Anwar Shah, Tallha Akram

प्रकाशित 2026-06-09

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Sajid Anwer, Rohan Farooq, Anwar Shah, Tallha Akram

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक स्मार्ट सिटी की कल्पना करें जो एक हलचल भरे महानगर की तरह है जहाँ कारें, ट्रैफिक लाइट और स्ट्रीट सेंसर लगातार एक-दूसरे से बात कर रहे हैं। यह इंटरनेट ऑफ व्हीकल्स (IoV) है। हालाँकि यह ट्रैफिक को सुचारू रूप से चलाने में मदद करता है, लेकिन यह डिजिटल चोरों (हैकर्स) के लिए एक विशाल खुला दरवाजा भी खोल देता है ताकि वे अंदर घुसकर अराजकता फैला सकें, जैसे कि कारों को रोकना या डेटा चुराना।

समस्या यह है कि वर्तमान सुरक्षा गार्ड (पारंपरिक घुसपैठ पहचान प्रणाली/इंट्रूज़न डिटेक्शन सिस्टम) या तो बहुत धीमे हैं या बहुत कठोर।

"धीमे गार्ड": सबसे सटीक गार्ड विशेषज्ञों की विशाल टीमों (एन्सेम्बल मेथड्स) का उपयोग करते हैं जो हर एक कार की जाँच करते हैं। लेकिन जब तक वे अपनी मीटिंग पूरी करके अपना निर्णय देते हैं, तब तक कार दुर्घटनाग्रस्त हो चुकी होती है। उन्हें निर्णय लेने में 2 मिलीसेकंड का समय लगता है, जबकि सुरक्षा के लिए 1 मिलीसेकंड से कम में निर्णय की आवश्यकता होती है।
"कठोर गार्ड": तेज़ गार्ड सरल नियमपुस्तिकाओं का उपयोग करते हैं। वे ज्ञात बुरे लोगों को आसानी से पकड़ लेते हैं, लेकिन जब बुरे लोग अपनी रणनीतियाँ बदल देते हैं या जब भीड़ में बुरे लोगों की संख्या अच्छे लोगों से बहुत अधिक हो जाती है, तो वे भ्रमित हो जाते हैं।

समाधान: QIRL
लेखकों ने एक नया सुरक्षा गार्ड बनाया है जिसे QIRL (क्वांटम-इंस्पायर्ड रिइन्फोर्समेंट लर्निंग) कहा जाता है। सोचिए कि QIRL कोई मानव गार्ड नहीं है, बल्कि एक सुपर-फास्ट, सीखने वाला रोबोट है जो निर्णय लेने के लिए "क्वांटम जादू" (क्वांटम भौतिकी से प्रेरित गणितीय तरकीबें) का उपयोग करता है।

यहाँ बताया गया है कि QIRL कैसे काम करता है, सरल उपमाओं का उपयोग करते हुए:

1. क्वांटम "सुपर-सेंस" (एनकोडिंग)

कार के डेटा को संख्याओं की एक उबाऊ सूची के रूप में देखने के बजाय, QIRL उस डेटा को "क्वांटम स्टेट" में बदल देता है। कल्पना कीजिए कि शहर के एक सपाट मानचित्र को एक घूमते हुए 3D ग्लोब में बदलना। यह QIRL को डेटा पॉइंट्स के बीच के पैटर्न और संबंधों को देखने की अनुमति देता है जिन्हें सामान्य कंप्यूटर मिस कर देते हैं, जिससे शोर के बीच छिपे हुए हैकर को पहचानना आसान हो जाता है।

2. "क्वांटम इंटरफेरेंस" स्टेबलाइजर

क्वांटम भौतिकी में, तरंगें या तो एक-दूसरे को बढ़ा सकती हैं (रचनात्मक हस्तक्षेप/कंस्ट्रक्टिव इंटरफेरेंस) या एक-दूसरे को रद्द कर सकती हैं (विनाशकारी हस्तक्षेप/डिस्ट्रक्टिव इंटरफेरेंस)। QIRL खुद को प्रशिक्षित करने के लिए इसी विचार का उपयोग करता है।

उपमा: एक छात्र की कल्पना करें जो साइकिल चलाना सीख रहा है। यदि वह एक तरफ डगमगाता है, और फिर तुरंत दूसरी तरफ डगमगाता है, तो वह गिर सकता है। लेकिन यदि वह डगमगाता है और फिर खुद को एक सुचारू, लयबद्ध तरीके से ठीक करता है, तो वह संतुलन बनाए रखता है।
यह कैसे मदद करता है: QIRL जाँचता है कि क्या उसके हालिया "विचार" (निर्णय) सुसंगत हैं। यदि वे हैं, तो उसे एक "बोनस" (रचनात्मक हस्तक्षेप) मिलता है। यदि वे अराजक हैं, तो उसे एक "सुधार" (विनाशकारी हस्तक्षेप) मिलता है। यह रोबोट को बिना अतिरिक्त मेमोरी या गति कम किए तेज़ी से सीखने और स्थिर रहने में मदद करता है।

3. "कॉस्ट-सेन्सिटिव" रिवॉर्ड सिस्टम

कई साइबर हमलों में, हजारों सामान्य कारें होती हैं और केवल कुछ ही बुरे तत्व होते हैं। एक सामान्य कंप्यूटर बस उन्हें अनदेखा कर सकता है क्योंकि यह अनुमान लगाना आसान है कि "सब कुछ ठीक है।"

उपमा: एक बैंक में सुरक्षा गार्ड की कल्पना करें। यदि वे एक असली चोर को चूक जाते हैं, तो बैंक को लाखों का नुकसान होता है। यदि वे किसी ग्राहक पर गलत आरोप लगाते हैं, तो यह केवल एक माफीनामा है।
यह कैसे मदद करता है: Q-IRL को यह समझने के लिए प्रोग्राम किया गया है कि इन दोनों के बीच क्या अंतर है। इसे हमले को मिस करने (फॉल्स नेगेटिव) के लिए भारी दंड दिया जाता है, लेकिन गलत अलार्म (फॉल्स पॉजिटिव) के लिए बहुत कम दंड दिया जाता है। यह रोबोट को बुरे लोगों को पकड़ने के लिए अति-सतर्क रहने के लिए मजबूर करता है, भले ही वे दुर्लभ हों।

4. "टाइम-ट्रैवल" मेमोरी (MDP)

पुराने सुरक्षा सिस्टम प्रत्येक कार को एक अलग घटना के रूप में देखते हैं। QIRL समझता है कि हमले अक्सर चरणों में होते हैं, जैसे कि एक फिल्म की कहानी।

उपमा: एक सामान्य गार्ड एक व्यक्ति को दरवाजे की ओर चलते हुए देखता है और सोचता है, "क्या यह व्यक्ति संदिग्ध है?" QRL एक व्यक्ति को चलते हुए, फिर एक नक्शा देखते हुए, फिर दरवाजे के हैंडल को आज़माते हुए देखता है, और सोचता है, "यह एक समन्वित डकैती प्रगति पर है।"
यह कैसे मदद करता है: ट्रैफिक को शुरुआत, मध्य और अंत वाली एक कहानी के रूप में मानकर, QIRL यह अनुमान लगा सकता है कि हमलावर आगे क्या करेगा, न कि केवल इस पर प्रतिक्रिया देता है कि वह अभी क्या कर रहा है।

परिणाम: गति और सटीकता

शोधकर्ताओं ने QIRL का परीक्षण वास्तविक दुनिया के नेटवर्क ट्रैफिक के दो विशाल डेटासेट्स (CICIDS2017 और UNSW-NB15) पर किया।

गति: QIRL अविश्वसनीय रूप से तेज़ है। यह लगभग 32 से 45 माइक्रोसेकंड (यानी 0.000032 सेकंड) में निर्णय लेता है।
- रूपक: यदि पुराने "धीमे गार्ड" (एन्सेम्बल मेथड्स) को निर्णय लेने में 2 सेकंड लगते, तो QIRL 60 बार पलक झपकने के समय में निर्णय ले लेता। यह मौजूदा सर्वोत्तम तरीकों की तुलना में 50 से 67 गुना तेज़ है।
सटीकता: इतनी तेज़ गति के बावजूद, इसने अपनी धार नहीं खोई।
- पहले डेटासेट पर, इसने 97.89% हमलों को पकड़ा।
- अधिक कठिन, जटिल डेटासेट पर, इसने 91.04% हमलों को पकड़ा।
- महत्वपूर्ण रूप से, इसने अन्य उच्च-स्कोरिंग तरीकों की तरह "डेटा लीकेज" (चीटिंग) का उपयोग किए बिना यह उपलब्धि हासिल की।

निष्कर्ष

पेपर यह निष्कर्ष निकालता है कि QIRL सफलतापूर्वक "गति बनाम सटीकता" के ट्रेड-ऑफ को हल करने वाला पहला सिस्टम है। यह कार को दुर्घटनाग्रस्त होने से रोकने के लिए पर्याप्त तेज़ है (सब-मिलीसेकंड रिस्पॉन्स) लेकिन परिष्कृत, विकसित होते हैकर्स को पकड़ने के लिए पर्याप्त स्मार्ट भी है। यह साबित करता है कि क्वांटम भौतिकी के विचारों को उधार लेकर और सिस्टम को सुविधा के बजाय सुरक्षा को महत्व देने के लिए सिखाकर, हम अपने भविष्य के स्मार्ट शहरों के लिए एक डिजिटल प्रतिरक्षा प्रणाली बना सकते हैं जो हल्की भी है और अविश्वसनीय रूप से शक्तिशाली भी।

तकनीकी सारांश: IoV में लो-लेटेंसी घुसपैठ का पता लगाने के लिए QIRL

1. समस्या का निरूपण

यह शोध पत्र इंटरनेट ऑफ व्हीकल्स (IoV) और स्मार्ट सिटी इंफ्रास्ट्रक्चर के सामने आने वाली महत्वपूर्ण सुरक्षा चुनौतियों को संबोधित करता है। जबकि ये नेटवर्क इंटेलिजेंट ट्रांसपोर्टेशन को सक्षम करते हैं, उनकी उच्च गतिशीलता (high mobility), विषम प्रोटोकॉल (heterogeneous protocols), और क्षणिक टोपोलॉजी (ephemeral topologies) परिष्कृत साइबर खतरों, जिनमें डिस्ट्रीब्यूटेड डिनायल ऑफ सर्विस (DDoS), इंजेक्शन और रिकोनिसेंस (reconnaissance) शामिल हैं, के लिए एक विशाल हमला सतह (attack surface) बनाती हैं।

पहचाना गया मुख्य मुद्दा मौजूदा घुसपैठ पहचान प्रणालियों (IDS) में सटीकता-विलंबता (accuracy-latency) का ट्रेड-ऑफ है:

स्थिर क्लासिफायर (ML/DL): हालांकि पारंपरिक मशीन लर्निंग और डीप लर्निंग मॉडल उच्च सटीकता प्राप्त करते हैं, वे निश्चित निर्णय सीमाओं (fixed decision boundaries) पर निर्भर करते हैं जो विकसित होते, बहु-चरणीय हमले अभियानों के अनुकूल नहीं हो सकते। इसके अलावा, उनकी अनुमान विलंबता (inference latency) अक्सर स्वायत्त वाहन ब्रेकिंग और स्टीयरिंग सिस्टम के लिए आवश्यक सब-मिलीसेकंड सुरक्षा सीमा से अधिक होती है।
एन्सेम्बल विधियाँ (Ensemble Methods): अत्याधुनिक एन्सेम्बल क्लासिफायर (जैसे रैंडम फॉरेस्ट, XGBoost) उच्च सटीकता प्रदान करते हैं लेकिन वे गणनात्मक रूप से गहन (computationally intensive) होते हैं। शोध पत्र नोट करता है कि ऐसी विधियों में प्रति फ्लो 2 ms से अधिक की विलंबता हो सकती है, जो उन्हें वास्तविक समय के सुरक्षा-महत्वपूर्ण हस्तक्षेपों के लिए असंगत बनाती है।
सुदृढीकरण सीखना (Reinforcement Learning - RL): जबकि RL अनुकूलन क्षमता प्रदान करता है, मौजूदा दृष्टिकोण धीमी अभिसरण (slow convergence), उच्च-आयामी स्थानों में रिवॉर्ड स्पर्सिटी (reward sparsity), और अक्सर सख्त विलंबता बाधाओं को पूरा करने में विफल रहते हैं।
वर्ग असंतुलन (Class Imbalance): IoV डेटासेट में गंभीर वर्ग असंतुलन होता है, जहाँ मानक लॉस फंक्शन मॉडलों को बहुसंख्यक वर्ग की ओर पक्षपाती बना देते हैं, जिससे उच्च फॉल्स नेगेटिव रेट (छूटे हुए हमले) या उच्च फॉल्स पॉजिटिव रेट (वैध ट्रैफ़िक को बाधित करना) होता है।

उद्देश्य एक एकीकृत ढांचा विकसित करना है जो एक संसाधन-बाधित एज वातावरण के भीतर प्रतिस्पर्धी पहचान सटीकता, सब-मिलीसेकंड अनुमान विलंबता, और वर्ग असंतुलन के प्रति मजबूती को एक साथ संतुष्ट करता हो।

2. कार्यप्रणाली: QIRL फ्रेमवर्क

लेखक QIRL (क्वांटम-इंस्पायर्ड रिइन्फोर्समेंट लर्निंग) का प्रस्ताव करते हैं, जो एक डीप Q-नेटवर्क (DQN) आर्किटेक्चर पर निर्मित एक हल्का (lightweight) ढांचा है। यह बढ़ी हुई खोज (exploration), प्रशिक्षण स्थिरता और रिवॉर्ड संवेदनशीलता को बिना किसी महत्वपूर्ण कंप्यूटेशनल ओवरहेड के बढ़ाने के लिए क्वांटम-प्रेरित तंत्र को एकीकृत करता है।

प्रमुख वास्तुशिल्प घटक:

क्वांटम-प्रेरित स्टेट एनकोडिंग:
- इनपुट फीचर वेक्टर्स को एम्प्लीट्यूड-फेज क्वांटम एनकोडिंग का उपयोग करके रूपांतरित किया जाता है। क्रमिक फीचर जोड़े $(x_{2i}, x_{2i+1})$ को ध्रुवीय निर्देशांकों $(r, \theta)$ में मैप किया जाता है, जो उन्हें यूनिट-सर्कल मैनिफोल्ड पर प्रोजेक्ट करते हैं। यह लॉसलेस एनकोडिंग एक संरचित ज्यामितीय पूर्व (geometric prior) प्रदान करती है जो क्वांटम-प्रेरित खोज की सुविधा प्रदान करती है।
मार्कोव निर्णय प्रक्रिया (MDP) का निरूपण:
- पहचान समस्या को बहु-चरणीय हमले अभियानों में टेम्पोरल डिपेंडेंसी को कैप्चर करने के लिए एक MDP $(S, A, R, \gamma)$ के रूप में मॉडल किया गया है, जो उन स्थिर क्लासिफायर की सीमा को संबोधित करता है जो पैकेटों को स्वतंत्र अवलोकनों के रूप में मानते हैं।
- एक्शन सिलेक्शन: एजेंट एक क्वांटम रोटेशन गेट रणनीति का उपयोग करता है। प्रत्येक एक्शन एक रोटेशन एंगल $\theta_a$ बनाए रखता है, जिसे टेम्पोरल डिफरेंस (TD) एरर के आधार पर अपडेट किया जाता है। यह क्वांटम $R_y$ गेट्स की नकल करता है, जहाँ रचनात्मक रोटेशन (constructive rotations) उच्च-रिवॉर्ड वाले कार्यों को बढ़ाते हैं और विनाशकारी रोटेशन (destructive rotations) कम-रिवॉर्ड वाले कार्यों को दबा देते हैं।
क्वांटम इंटरफेरेंस मॉड्यूल (QIM):
- प्रशिक्षण को स्थिर करने के लिए, ढांचा एक क्वांटम इंटरफेरेंस तंत्र पेश करता है। यह क्रमिक लेटेंट स्टेट रिप्रेजेंटेशन ( $\psi(s_t)$ और $\psi(s_{t+1})$ ) के बीच कोसाइन सिमिलरिटी (cosine similarity) की गणना करता है।
- इस सिमिलरिटी टर्म को बेलमैन टारगेट वैल्यू में जोड़ा जाता है, जो एक स्केलर सुदृढीकरण सिग्नल के रूप में कार्य करता है जो टेम्पोरल रूप से सुसंगत (temporally coherent) स्टेट ट्रांजिशन को मजबूत करता है और असंगत (incoherent) ट्रांजिशन को दबा देता है। महत्वपूर्ण रूप से, यह मॉड्यूल कोई भी ट्रेन करने योग्य पैरामीटर (trainable parameters) नहीं जोड़ता है और अनुमान के दौरान किसी अतिरिक्त फॉरवर्ड पास की आवश्यकता नहीं होती है।
लागत-संवेदनशील रिवॉर्ड शेपिंग और डेटा बैलेंसिंग:
- वर्ग असंतुलन को संभालने के लिए, ढांचा ट्रेनिंग-ओनली SMOTE (सिंथेटिक माइनॉरिटी ओवर-सैंपलिंग तकनीक) का उपयोग करता है ताकि डेटा लीकेज को रोका जा सके।
- एक कॉस्ट-सेन्सिटिव एसिमेट्रिक रिवॉर्ड फंक्शन का उपयोग किया जाता है, जो फॉल्स पॉजिटिव की तुलना में फॉल्स नेगेटिव (छूटे हुए हमलों) को अधिक दंड (penalty) देता है। यह सुनिश्चित करता है कि एजेंट वैध ट्रैफ़िक को कम करने के बजाय सुरक्षा-महत्वपूर्ण पहचान को प्राथमिकता दे।

3. प्रमुख योगदान

शोध पत्र पांच प्राथमिक योगदानों को रेखांकित करता है:

एकीकृत आर्किटेक्चर: एक अभिनव QIRL फ्रेमवर्क जो एक हल्के DQN के भीतर क्वांटम-प्रेरित स्टेट एनकोडिंग, रोटेशन-गेट एक्सप्लोरेशन और इंटरफेरेंस-आधारित रिवॉर्ड ऑगमेंटेशन को जोड़ता है, जो एज पर तैनाती के लिए उपयुक्त सब-50 $\mu$ s अनुमान विलंबता प्राप्त करता है।
क्वांटम इंटरफेरेंस मॉड्यूल: एक तंत्र जो मॉडल जटिलता या अनुमान ओवरहेड को बढ़ाए बिना लेटेंट स्टेट्स के बीच कोसाइन सिमिलरिटी के साथ बेलमैन टारगेट को बढ़ाता है, जिससे प्रशिक्षण स्थिर होता है।
मेथोडोलॉजिकल करेक्शन: एक कॉस्ट-सेन्सिटिव फॉर्मुलेशन को ट्रेनिंग-ओनली SMOTE बैलेंसिंग के साथ जोड़ा गया है, जो उन पिछले कार्यों में मौजूद डेटा लीकेज दोषों को संबोधित करता है जिन्होंने विभाजन से पहले वैश्विक स्तर पर SMOTE लागू किया था।
व्यापक मूल्यांकन: CICIDS2017 और UNSW-NB15 डेटासेट पर कठोर परीक्षण, जो उच्च सटीकता और एन्सेम्बल बेसलाइन्स की तुलना में महत्वपूर्ण स्पीडअप प्रदर्शित करता है।
इंटरप्रिटेबिलिटी फ्रेमवर्क: SHAP फीचर एट्रिब्यूशन और ज्यामितीय विज़ुअलाइज़ेशन (PCA/t-SNE) का उपयोग करके एक संरचित दृष्टिकोण, जो व्यवस्थित रूप से RL पॉलिसी की व्याख्यात्मकता का मूल्यांकन करता है, यह पुष्टि करता है कि सीखे गए निर्णय सतह (decision boundaries) डेटासेट आर्टिफैक्ट्स के बजाय सिमेंटिक ट्रैफ़िक संरचनाओं को दर्शाते हैं।

4. प्रयोगात्मक परिणाम

फ्रेमवर्क का मूल्यांकन वास्तविक दुनिया के एज बाधाओं को सिम्युलेट करने के लिए सिंगल-सैंपल CPU अनुमान प्रोटोकॉल का उपयोग करके दो बेंचमार्क डेटासेट पर किया गया।

प्रदर्शन मेट्रिक्स:

CICIDS2017 (DDoS-केंद्रित):
- सटीकता (Accuracy): 97.89%
- F1-स्कोर: 95.22%
- AUC-ROC: 0.9945
- ट्रू स्किल स्टैटिस्टिक (TSS): 0.9443
- अनुमान विलंबता (Inference Latency): 32.5 $\mu$ s
- स्पीडअप: एन्सेम्बल बेसलाइन्स की तुलना में 67.77 $\times$ तेज़।
UNSW-NB15 (बहु-वर्ग, जटिल):
- सटीकता (Accuracy): 91.04%
- F1-स्कोर: 91.66%
- AUC-ROC: 0.9713
- ट्रू स्किल स्टैटिस्टिक (TSS): 0.8244
- अनुमान विलंबता (Inference Latency): 45.7 $\mu$ s
- स्पीडअप: एन्सेम्बल बेसलाइन्स की तुलना में 51.77 $\times$ तेज़।

एब्लेशन स्टडीज (Ablation Studies):

एब्लेशन स्टडीज ने पुष्टि की कि पूर्ण QIRL मॉडल (कॉस्ट-सेन्सिटिव रिवॉर्ड्स और क्वांटम इंटरफेरेंस को मिलाकर) उच्चतम TSS और रिकॉल प्राप्त करता है, विशेष रूप से CICIDS2017 डेटासेट पर। अध्ययनों ने यह भी सत्यापित किया कि क्वांटम घटकों ने शून्य अनुमान ओवरहेड जोड़ा, जिससे पूरे वेरिएंट्स में सब-50 $\mu$ s विलंबता बनी रही।

व्याख्यात्मकता निष्कर्ष (Explainability Findings):

SHAP विश्लेषण: CICIDS2017 पर, मॉडल ट्रैफ़िक वॉल्यूम और रेट फीचर्स (जैसे पैकेट लेंथ वेरिएंस) पर भारी निर्भर था, जो DDoS पैटर्न के अनुरूप है। UNSW-NB15 पर, यह प्रोटोकॉल प्रकार और टाइमिंग फीचर्स पर निर्भर था, जो डेटासेट की बहु-वर्ग प्रकृति को दर्शाता है।
ज्यामितीय विश्लेषण (PCA/t-SNE): विज़ुअलाइज़ेशन ने दिखाया कि QIRL सुसंगत निर्णय सतह (decision surfaces) सीखता है। CICIDS2017 के लिए, क्लस्टर अच्छी तरह से अलग थे; UNSW-NB15 के लिए, कुछ ओवरलैप मौजूद था, जो थोड़े उच्च फॉल्स पॉजिटिव रेट की व्याख्या करता है लेकिन जटिल फीचर स्पेस में मॉडल की क्षमता की पुष्टि करता है।

5. महत्व और दावे

शोध पत्र दावा करता है कि QIRL सफलतापूर्वक IoV वातावरण में डिटेक्शन रोबस्टनेस और रियल-टाइम डिप्लॉयबिलिटी के बीच के अंतर को पाटता है। इसका प्राथमिक महत्व यह प्रदर्शित करने में है कि एक हल्का, क्वांटम-प्रेरित आर्किटेक्चर:

सुरक्षा बाधाओं को पूरा करता है: स्वायत्त वाहन हस्तक्षेपों (ब्रेकिंग/स्टीयरिंग) के लिए आवश्यक 1 ms सुरक्षा सीमा से बहुत कम अनुमान विलंबता प्राप्त करता है।
खतरों के अनुकूल होता है: बहु-चरणीय हमलों की टेम्पोरल डायनेमिक्स को संभालने के लिए MDP फॉर्मुलेशन का उपयोग करता है, जो स्थिर क्लासिफायर के विपरीत है।
असंतुलन को संभालता है: कॉस्ट-सेन्सिटिव रिवॉर्ड्स और उचित डेटा बैलेंसिंग के माध्यम से गंभीर वर्ग असंतुलन को प्रभावी ढंग से प्रबंधित करता है, जिससे पिछले अध्ययनों के डेटा लीकेज दोषों से बचा जा सके।
व्याख्यात्मकता प्रदान करता है: RL नीतियों को सुरक्षा संदर्भों में व्याख्या करने के लिए एक व्यवस्थित तरीका प्रदान करता है, यह सुनिश्चित करता है कि निर्णय सार्थक ट्रैफ़िक फीचर्स पर आधारित हैं।

लेखक निष्कर्ष निकालते हैं कि QIRL अगली पीढ़ी के स्मार्ट सिटी और IoV इंफ्रास्ट्रक्चर के लिए एक व्यावहारिक, लेटेंसी-अवेयर और अनुकूल रक्षा तंत्र प्रदान करता है, जो क्वांटम-इंस्पायर्ड रिइन्फोर्समेंट लर्निंग को स्वायत्त साइबर डिफेंस के लिए एक व्यवहार्य मार्ग के रूप में स्थापित करता है। भविष्य के काम में एडवरसैरियल परटर्बेशन्स (adversarial perturbations) के खिलाफ मजबूती का मूल्यांकन करने और वास्तविक दुनिया के IoV ट्रैफ़िक पर प्रदर्शन को मान्य करने का प्रस्ताव दिया गया है।