Resumo Técnico: Autoencoders Quânticos para Detecção de Anomalias em Cibersegurança

Definição do Problema

A detecção de anomalias em cibersegurança enfrenta desafios significativos devido ao extremo desequilíbrio entre eventos normais e anômalos, onde as atividades normais superam vastamente as de ataques. Além disso, a rápida evolução das ameaças cibernéticas exige grandes conjuntos de dados rotulados e de alta qualidade para o aprendizado supervisionado, os quais são frequentemente indisponíveis ou impraticáveis de manter. Embora os Autoencoders Clássicos (CAEs) tenham sido empregados para aprender a distribuição de dados "normais" a fim de identificar outliers por meio do erro de reconstrução, eles frequentemente apresentam dificuldades em cenários de dados limitados. Este artigo investiga se os Autoencoders Quânticos (QAEs) podem oferecer uma eficiência de dados e desempenho superiores na detecção de anomalias em contextos de cibersegurança, especificamente quando treinados em amostras limitadas de dados normais.

Metodologia

Conjunto de Dados e Pré-processamento

O estudo utiliza o conjunto de dados BPF-Extended Tracking Honeypot (BETH), uma coleção real de mais de 8 milhões de eventos de tráfego de rede provenientes de honeypots na nuvem. O conjunto de dados é altamente desequilibrado, com eventos anômalos constituindo uma pequena fração dos conjuntos de treinamento e validação (0,2% e 0,4%, respectivamente), mas dominando o conjunto de teste (90,7%) para simular um cenário de detecção realista.

• Pré-processamento: As características foram projetadas de acordo com protocolos estabelecidos (Highnam et al.), incluindo o mapeamento de IDs de processos e usuários, tratamento de valores de retorno e aplicação de codificação de alvo (target encoding) para características categóricas de alta cardinalidade.
• Seleção de Características: O conjunto de dados transformado inicial continha 24 características. Os experimentos focaram em subconjuntos dessas características, avaliando especificamente modelos com 8, 16 e 24 características, dependendo do esquema de codificação.

Arquitetura do Autoencoder Quântico (QAE)

A implementação do QAE, construída usando Qiskit e simulada em hardware local e GPUs Google Colab L4, segue uma estrutura conceitual de três camadas:

1. Entrada/Codificador: Codifica dados clássicos em estados quânticos.
2. Gargalo (Bottleneck): Comprime o estado descartando qubits de "lixo" (trash qubits).
3. Saída/Decodificador: Nesta implementação específica, a reconstrução explícita é ignorada. Em vez disso, os qubits de lixo descartados são comparados contra qubits de referência usando um teste SWAP.

Pontuação de Anomalia:
O objetivo de treinamento minimiza a função de custo derivada do teste SWAP, que mede a fidelidade ($S$) entre os qubits de lixo e os estados de referência. A pontuação de anomalia ($A$) é definida como $A = 1 - S$. Uma pontuação de 0 indica uma instância normal (alta fidelidade), enquanto 1 indica uma instância maximamente anômala.

Variáveis Experimentais:

• Técnicas de Codificação: O estudo avaliou quatro estratégias distintas de codificação quântica:
  1. Amplitude Encoding: Mapeia dados para amplitudes de estado.
  2. Angle Encoding: Mapeia características para ângulos de rotação ($R_y$).
  3. Dense-Angle Encoding: Codifica duas características por qubit usando rotações $R_y$ e $R_z$, reduzindo os requisitos de qubits.
  4. Efficient SU2 Encoding: Um esquema baseado em emaranhamento do Qiskit.
• Tipos de Ansatz: Circuitos parametrizados incluindo RealAmplitudes e PauliTwoDesign foram testados.
• Configuração de Treinamento: Os modelos foram treinados exclusivamente em dados normais usando o otimizador livre de gradiente COBYLA para 60 iterações com um tamanho de lote (batch size) de 64.

Linha de Base Clássica

Um Autoencoder Clássico (CAE) foi implementado para comparação (benchmarking), treinado nos mesmos subconjuntos de dados normais para comparar métricas de desempenho, incluindo Precisão, Recall, F1-score e AUROC.

Principais Resultados

O estudo demonstra que os QAEs podem superar os CAEs em ambientes de dados restritos, com o desempenho dependendo fortemente das estratégias de codificação e seleção de características.

• Configuração Ótima: O modelo QAE com melhor desempenho utilizou 8 características com codificação Dense-Angle e um ansatz RealAmplitudes.
• Métricas de Desempenho:
  • Em um cenário de dados limitados, o QAE ideal alcançou um F1 score de 0,87.
  • O CAE correspondente alcançou um F1 score de 0,77.
• Eficiência de Dados: O QAE demonstrou a capacidade de superar o equivalente clássico mesmo quando treinado com substancialmente menos amostras.
• Impacto da Codificação: Os resultados destacaram que a escolha da codificação quântica impacta significativamente a expressividade e o desempenho do modelo. Por exemplo, a codificação Efficient SU2 exigiu conjuntos de características maiores (16 ou 24 características) para evitar problemas de sobrecompressão que ocorreram com conjuntos de características menores.

Significância e Alegações

Os autores afirmam que este trabalho fornece evidências empíricas de que os Autoencoders Quânticos oferecem vantagens práticas para a detecção de anomalias em cibersegurança, particularmente em cenários caracterizados por limitações de dados.

• Eficiência de Dados: A principal contribuição é a demonstração de que os QAEs podem alcançar uma maior precisão de detecção (F1 score) do que os CAEs, utilizando simultaneamente menos amostras de treinamento. Isso aborda o desafio crítico de manter grandes conjuntos de dados rotulados para ameaças cibernéticas em evolução.
• Sensibilidade de Codificação: O artigo ressalta que o desempenho dos modelos quânticos é altamente dependente da seleção de técnicas de codificação e estratégias de características, sugerindo que otimizações específicas do domínio são necessárias para realizar o pleno potencial do Aprendizado de Máquina Quântico (QML).
• Aplicabilidade Prática: Ao utilizar o conjunto de dados BETH, que reflete condições reais de rede e padrões de ataque, o estudo argumenta que os QAEs não são meras construções teóricas, mas candidatos viáveis para desafios operacionais de cibersegurança onde dados anômalos são escassos.

O trabalho conclui que, embora variantes especializadas de QAE ainda estejam em estágios iniciais de desenvolvimento, as melhorias observadas em configurações de dados limitados sugerem uma trajetória promissora para a detecção de anomalias potencializada por computação quântica.