Intelligence-Guided Adaptive Purification for DDoS-Resilient Quantum Networks: A CUDA-Q based Study

기술 요약: DDoS 내성 양자 네트워크를 위한 지능형 가이드 적응형 정제(Purification)

문제 정의
양자 중계기 네트워크는 얽힘 생성률, 종단 간 피델리티(fidelity), 정제 오버헤드, 그리고 메모리 유도 지연 시간 사이의 균형을 맞추기 위해 적응형 제어 정책에 의존한다. 이러한 트레이드오프는 헤럴딩(heralding), 동기화, 라우팅을 관리하는 클래식 제어 평면이 DDoS(서비스 거부 공격) 트래픽과 같은 사이버 이상 현상으로 인해 저하될 때 훨씬 더 복잡해진다. 현재의 제어 전략은 종종 물리적 링크 파라미터가 어떻게 변하는지 또는 로컬 결정이 종단 간 체인 전체에 어떻게 전파되는지를 고려하지 않은 채, 단순히 원시 전달 확률이나 로컬 피델리티 임계값만을 최적화한다. 본 논문은 핵심적인 제어 질문을 다룬다: 특히 네트워크가 공격 유도 저하 상태에서 작동할 때, 최종 얽힘 쌍이 목표 피델리티 임계값을 초 exceed하도록 하기 위해 중계기는 언제 기초 링크(elementary link)를 정제해야 하는가?

방법론
본 연구는 이질적인 선형 중계기 체인에서 적응형 정제 전략을 평가하기 위해 CUDA-Q/SeQUeNCe 공동 시뮬레이션 워크플로우를 사용한다.

1. CUDA-Q 프리미티브 검증: 노이즈가 있는 양자 커널을 사용하여 회로 수준에서 프리미티브 연산(벨 쌍 생성, 얽힘 정제, 얽힘 스와핑)을 추정한다. 이 커널들은 입력 상태에 대한 성공 확률과 조건부 출력 피델리티의 캐시된 추정치를 제공하며, 이는 다시 네트워크 시뮬레이션에 삽입된다.
2. SeQUeNCe 이벤트 계층 시뮬레이션: 이산 이벤트 시뮬레이터는 링크 생성, 재시도 제한, 메모리 감쇠(최대 혼합 상태로의 지수적 완화로 모델링됨), 정제 실패 및 스와핑을 포함한 네트워크의 확률적 특성을 모델링한다.
3. 제어 정책: 정적 조건 하에서 다음과 같은 정책들을 비교한다:
   • 정제 없음 (No purification): 원시 전달량은 최대화하지만 낮은 피델리티의 위험이 있다.
   • 임계값 적응형 (Threshold-adaptive): 로컬 피델리티 트리거 미만으로 떨어지는 링크를 정제한다.
   • 고정 정제 (Fixed purification): 모든 링크를 정제한다.
   • 예측/리스크 인식형 (Predictive/Risk-aware): "목표 이상 전달 확률"(피델리티 $F \geq F_{\Sigma}$인 쌍을 전달할 확률)을 최적화하면서 정제 비용과 지연 시간을 페널티로 부여하는 자원 페널티 목적 함수를 사용한다. 이 정책은 몬테카를로 불확실성을 고려하기 위해 하한 신뢰 구간(LCB) 추정치를 사용한다.
4. 사이버-양자 결합: 사이버 저하를 모델링하기 위해 저자들은 CSE-CIC-IDS2018 정상-SSDP 침입 탐지 트레이스를 활용한다.
   • 컨트롤러에 정보를 제공하기 위해 트래픽으로부터 IDS 이상 점수($a_{IDS}(t)$)를 도출한다.
   • 물리적 링크를 저하시키기 위해(생성 확률 감소, 피델리티 감소, 시도 시간 증가, 메모리 결맞음 감소) 그라운드 트루스 레이블로부터 도출된 오라클 공격률 신호($a_{oracle}(t)$)를 사용한다.
   • 네 가지 시나리오가 테스트된다: 클린(저하 없음), 공격 미인지(저하된 물리 계층, 깨끗한 컨트롤러), IDS 인지(저하된 물리 계층, $a_{IDS}$에 따라 적응하는 컨트롤러), 오라클 인지(저하된 물리 계층, $a_{oracle}$에 따라 적응하는 컨트롤러).

주요 기여

1. 공동 시뮬레이션 워크플로우: CUDA-Q가 노이즈가 있는 양자 프리미티브를 검증하고 SeQUeNCe가 많은 몬테카를로 시행에 대해 종단 간 네트워크 성능을 평가하는 하이브리드 워크플로우를 개발하였다.
2. 자원 페널티 리스크 인식 정책: 목표 이상 전달의 하한 신뢰 구간과 정제 비용 및 지연 시간 사이의 균형을 맞추는 목적 함수를 도입하였다. 이 정책은 "정제 없음"(낮은 피델리티)과 "고정 정제"(높은 실패율/지연 시간)의 극단적인 상황을 모두 피한다.
3. 사이버 인지 제어 프레임워크: IDS 유도 이상 점수가 어떻게 양자 네트워크 컨트롤러를 위한 실행 가능한 입력값이 될 수 있는지, 즉 사이버 상태에 대응하여 정제 마스크를 조정함으로써 양자 네트워크의 제어 동작을 변화시킬 수 있음을 입증하였다.
4. 경험적 검증: 3-링크 및 8-노드 체인에서의 포괄적인 비교를 통해, "유용한 전달"(피델리티 자격 충족)을 최적화하는 것이 원시 처리량이나 로컬 피델리티만을 최적화하는 것보다 더 나은 결과를 낸다는 것을 입증하였다.

결과

• 정적 조건: 8-노드 체인에서 자원 페널티 리스크 인식 정책은 0.362 ± 0.017의 목표 이상 전달 확률을 달성하였으며, 이는 고정 정제(0.311 ± 0.017)보다 우수한 성능을 보이면서도 더 적은 정제 연산을 사용하고 지연 시간을 줄였다. 이는 유용한 전달이 모든 링크를 정제하는 것이 아니라 선택적 정제를 통해 최대화됨을 확인시켜 준다.
• 공격 하 (SSDP):
  • 공격 미인지 컨트롤러는 높은 원시 전달량을 유지했으나, 유용한 전달 측면에서는 급격히 무너져 목표 이상 확률이 0.098 ± 0.007로 떨어졌다.
  • IDS 인지 컨트롤러는 공격 중에 더 많은 정제가 필요한 마스크로 전환함으로써, 목표 이상 전달 확률을 0.344 ± 0.011로 높였다.
  • 이 결과는 완벽한 공격률 지식을 가진 오라클 인지 컨트롤러(0.335 ± 0.011)의 결과와 매우 유사했다.
• 트레이드오프: IDS 인지 컨트롤러는 원시 처리량을 희생하여 피델리티 자격이 갖춰진 전달을 확보하는 데 성공했다. 원시 전달 확률은 감소했지만, 저하로 인해 손실될 뻔한 고피델리티 얽힘 전달 확률을 크게 회복했다.

의의 및 주장
본 논문은 적응형 정제가 정적인 링크 수준 연산이 아니라 사이버 인지 제어 문제로 취급되어야 한다고 주장한다. 주요 의의는 다음과 같다:

1. 하이브리드 양자-클래식 워크플로우: CUDA-Q 기반 프리미티브 추정치는 전체 네트워크를 글로벌 양자 회로로 시뮬레이션하지 않고도 필요한 피델리티 추정치를 제공하는 효과적인 구성 요소이다.
2. 실행 가능한 사이버 상태: IDS 유래 이상 점수는 단순히 네트워크 저하와 상관관계가 있는 것이 아니라, 양자 네트워크의 제어 동작(정제 마스크)을 능동적으로 변화시켜 유용한 양자 결과를 개선할 수 있다.
3. 회복 탄력성 전략: 사이버 저하 상황에서 최적의 전략은 원시 처리량을 최대화하는 것에서 피델리티 자격 전달을 최대화하는 것으로 전환된다. IDS 인지 컨트롤러는 사이버 상태가 저하를 나타낼 때 정제 노력을 동적으로 증가시킴으로써, 인지하지 못하는 컨트롤러가 잃게 될 유용한 얽힘 전달을 효과적으로 회복한다.

저자들은 사이버-양자 저하 모델이 현상학적이며, 본 결과가 실제 배포된 인프라를 위한 완전한 보안 모델이라기보다는 개념 증명(proof-of-principle)으로서의 역할을 한다는 점을 겸허히 명시한다. 향후 과제로 저하 모델을 하드웨어에 맞춰 보정하고, 이질적인 그래프 및 온라인 학습으로 프레임워크를 확장하는 것을 제안한다.