Resumo:
A computação quântica é uma solução potencial para diversos problemas que a computação clássica enfrenta como a complexidade de tempo computacional. Espera-se, portanto, que o aprendizado de máquina quântico apresente tempo de execução, capacidade e eficiência de aprendizado melhores do que os métodos clássicos oferecem. O presente artigo visa a apresentar uma revisão sistemática da literatura do estado da arte em aprendizado de máquina quântico para cibersegurança na aplicação específica de sistemas de detecção de intrusão em redes (IDS), identificando, analisando e correlacionando as diferentes propostas de implementação dos algoritmos quânticos ou híbridos. A metodologia utilizada segue o método de Revisão Sistemática de Literatura, o qual, após sua aplicação, identificou 5 artigos que implementaram algoritmos de aprendizado de máquina quântico no contexto de sistemas de detecção de intrusão. Os principais algoritmos foram clássico-quânticos híbridos variacionais, com um modelo baseado em máquinas de vetores de suporte quânticas e redes neurais quânticas. Os benefícios em comparação aos modelos puramente clássicos foram observados e descritos, como a melhoria na precisão da classificação dos dados de tráfego atacante e tempo de treinamento reduzido.
Referência:
GAVA, Vagner Luiz; NICESIO, Otavio Kiyatake; LEAL Adriano Galido. Aprendizado de máquina quântico para sistemas de rede de detecção de intrusão, uma revisão sistemática da literatura. In: INTERNATIONAL CONFERENCE ON INFORMATION SYSTEMS AND TECHNOLOGY MANAGEMENT, 19.CONTECSI, 2022, São Paulo. Proceedings… São Paulo: FEA, 2023. 17p.
NICESIO, Otavio Kiyatake; LEAL, Adriano Galindo; GAVA, Vagner Luiz. Quantum machine learning for network instrusion detection systems, a systematic literature review. In: IEEE INTERNATIONAL CONFERENCE ON AI IN CYBERSECURITY, 2., 2023, Houston. Proceedings… 6p.
Documento com acesso restrito. Logar na BiblioInfo, Biblioteca/DAIT/IPT, para acessar o documento em PDF:
https://escriba.ipt.br/pdf_restrito/178160.pdf
A computação quântica é uma solução potencial para diversos problemas que a computação clássica enfrenta como a complexidade de tempo computacional. Espera-se, portanto, que o aprendizado de máquina quântico apresente tempo de execução, capacidade e eficiência de aprendizado melhores do que os métodos clássicos oferecem. O presente artigo visa a apresentar uma revisão sistemática da literatura do estado da arte em aprendizado de máquina quântico para cibersegurança na aplicação específica de sistemas de detecção de intrusão em redes (IDS), identificando, analisando e correlacionando as diferentes propostas de implementação dos algoritmos quânticos ou híbridos. A metodologia utilizada segue o método de Revisão Sistemática de Literatura, o qual, após sua aplicação, identificou 5 artigos que implementaram algoritmos de aprendizado de máquina quântico no contexto de sistemas de detecção de intrusão. Os principais algoritmos foram clássico-quânticos híbridos variacionais, com um modelo baseado em máquinas de vetores de suporte quânticas e redes neurais quânticas. Os benefícios em comparação aos modelos puramente clássicos foram observados e descritos, como a melhoria na precisão da classificação dos dados de tráfego atacante e tempo de treinamento reduzido.
Referência:
GAVA, Vagner Luiz; NICESIO, Otavio Kiyatake; LEAL Adriano Galido. Aprendizado de máquina quântico para sistemas de rede de detecção de intrusão, uma revisão sistemática da literatura. In: INTERNATIONAL CONFERENCE ON INFORMATION SYSTEMS AND TECHNOLOGY MANAGEMENT, 19.CONTECSI, 2022, São Paulo. Proceedings… São Paulo: FEA, 2023. 17p.
NICESIO, Otavio Kiyatake; LEAL, Adriano Galindo; GAVA, Vagner Luiz. Quantum machine learning for network instrusion detection systems, a systematic literature review. In: IEEE INTERNATIONAL CONFERENCE ON AI IN CYBERSECURITY, 2., 2023, Houston. Proceedings… 6p.
Documento com acesso restrito. Logar na BiblioInfo, Biblioteca/DAIT/IPT, para acessar o documento em PDF:
https://escriba.ipt.br/pdf_restrito/178160.pdf
