Quantum Machine Learning in Cybersecurity: A Hybrid Convolutional Neural Network with Skip Connections for QR Code Phishing Detection
本研究提出了一种带有跳跃连接的混合量子-经典卷积神经网络（HybridSkip），该网络通过基于视觉结构直接对二维码图像进行分类来检测钓鱼攻击，从而以比经典基准模型更少的参数量实现了显著更高的召回率和 F1 分数，进而为主动式二维码钓鱼（quishing）防御提供了一种资源高效的解决方案。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代数字世界中，一个简单的黑白方块组成的方阵已成为一种通用的钥匙。这些是快速响应码，即二维码，广泛存在于餐厅菜单、支付终端和交通票务中。它们旨在通过智能手机摄像头进行即时扫描，无需任何按键操作即可架起物理世界与数字世界的桥梁。然而，这种便利性也创造了一种新的漏洞。由于人类肉眼无法读取隐藏在图案中的数据，恶意行为者可以将合法的代码替换为伪造的代码，从而将受害者引导至欺诈网站。这种特定的攻击被称为“二维码钓鱼”（quishing），它绕过了传统的电子邮件过滤器和链接扫描器，因为威胁是以打印图像而非数字消息的形式抵达的。安全专家的核心挑战在于，当用户扫描代码时，破坏往往已经造成，因为手机会自动打开隐藏的链接。
研究人员长期以来一直试图通过解码图像来读取隐藏的 URL，然后检查该地址是否危险，以此来解决这一问题。但如果代码受损、互联网不可用，或者恶意链接是在扫描前瞬间创建的，这种方法就会失效。一种新的方法建议观察图像本身，而不是其中的文本内容。其核心理念是，隐藏信息的长度和复杂程度会在黑白方块的排列上留下细微的统计学特征（指纹）。经过训练的计算机可以识别这些视觉模式，从而在解码之前就识别出恶意的二维码。这正是量子计算与网络安全交汇之处。量子机器学习利用量子力学的原理来处理信息，其方式是经典计算机无法实现的，这可能为寻找小型复杂数据集中的模式提供一种更高效的方法。
Md Farhan Shahriyar 是孟加拉国哈吉·穆罕默德·丹尼什科学技术大学的一位研究人员，他开发了一种结合了这些理念的新系统来检测 quishing 攻击。该系统是一个混合模型，这意味着它将标准的经典计算机程序与专门的量子组件相结合。经典部分充当“眼睛”的角色，扫描二维码图像以识别其基本形状和结构。随后，量子部分获取这些形状的压缩版本，并通过模拟量子电路对其进行处理——这是一种可以同时探索多种可能性的数学结构。其目标是观察这种结合是否能比标准计算机程序更准确地识别伪造代码，同时使用更少的计算资源。
研究人员在包含一千张二维码图像的数据集上测试了该系统，这些图像在安全代码和恶意代码之间均匀分布。研究人员训练模型直接观察原始图像，而从不尝试读取其中的文本。他们将这种新的混合设计与几种其他模型进行了对比，包括标准的纯计算机程序以及其他没有特定架构改进的混合版本。他们最成功的系统版本被命名为 HybridSkip，它引入了“跳跃连接”（skip connection）。简单来说，这是一种快捷方式，允许来自系统经典部分的初始视觉信息绕过量子处理器，直接进入最终的决策阶段。这种设计确保了在复杂的量子处理过程中不会丢失任何有用的细节，并有助于系统更有效地学习。
结果表明，这种新方法非常有效。HybridSkip 模型正确识别恶意二维码的成功率高于表现最好的经典纯计算机模型。具体而言，它捕捉到了约 72% 的恶意代码，而最强大的传统模型约为 65%。这种提升在安全领域意义重大，因为漏掉一个坏代码意味着用户可能会泄露密码或金钱，而一次误报仅仅只会造成几秒钟的检查时间成本。此外，该新模型在实现更高准确度的同时，使用的可调参数比经典模型减少了近 38%。在人工智能领域，拥有更少的参数通常意味着系统更快且需要更少的内存，使其更容易在手机或小型设备上运行。
研究人员通过使用不同的数据切分进行多次重复测试，确认了这些改进并非偶然。统计分析表明，检测恶意代码能力的提升是真实且一致的。研究还指出，该系统完全可以在离线状态下工作。因为它直接分析图像，所以不需要连接互联网去检查已知恶意链接的数据库。这使得它在诸如远程自助终端或销售点终端等网络连接可能不稳定的场景中特别有用。
虽然结果令人鼓舞，但研究也承认了某些局限性。系统的量子部分是在标准计算机上模拟运行的，而非在仍处于新兴阶段的实际量子硬件上运行。研究人员还注意到，所使用的数据集相对较小，仅包含一千张图像，且现实世界的二维码在质量、光照和损坏程度方面存在巨大差异。未来的工作需要通过更大规模的图像集并在实际量子设备上测试该系统，以观察其在现实环境下的表现。尽管如此，这项研究证明了混合方法（即仔细融合经典处理与量子处理）可以提供一种更高效、更有效的视觉威胁识别方式。通过将二维码视为一张图片而非一条信息，这种新方法提供了一个主动防御层，有助于在日益互联的世界中保护用户安全。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。