Network Anomaly Detection with Quantum Machine Learning

点击翻译按钮获取中文摘要

Cyber-intrusions and cyber-attacks can endanger the security of connected systems and bring irreversible damages to their operation. This is particularly true for critical systems such as train fleets, autonomous vehicles, etc. Intrusion detection systems (IDS) are deployed in conjunction with other security mechanisms such as access control and encryption techniques to further secure systems. Network intrusion detection can be performed by identifying the abnormalities in network monitoring data sets and looking for potential problems. However, building effective systems for network anomaly detection faces many challenges in theory and in practice. The goal of the project is to design and develop a framework for network anomaly detection by using quantum machine learning (QML) algorithms. Quantum machine learning has the potential to revolutionarily transform the capacity to detect network anomalies so as to prevent/defend against cyber intrusions and cyber attacks. The main outcome of this partnership is the materialization of a framework for anomaly detection with QML. This framework has the potential to enable: 1) huge advances in execution time, capacity and learning efficiency and 2) significant improvements in anomaly detection capabilities.#(cr)#(lf)Les cyber-intrusions et les cyber-attaques peuvent mettre en danger la sécurité des systèmes connectés et apporter des dommages irréversibles à leur fonctionnement. Cela est particulièrement vrai pour les systèmes critiques tels que les flottes de trains, les véhicules autonomes, etc. Les systèmes de détection d'intrusion (IDS) sont déployés en conjonction avec d'autres mécanismes de sécurité tels que le contrôle d'accès et les techniques de cryptage pour sécuriser davantage les systèmes. La détection des intrusions dans le réseau peut être effectuée en identifiant les anomalies dans les ensembles de données de surveillance du réseau et en recherchant les problèmes potentiels. Cependant, la construction de systèmes efficaces pour la détection des anomalies de réseau fait face à de nombreux défis en théorie et en pratique. L'objectif du projet est de concevoir et de développer un cadre pour la détection des anomalies de réseau en utilisant des algorithmes d'apprentissage automatique quantique (QML). L'apprentissage machine quantique a le potentiel de transformer de manière révolutionnaire la capacité de détection des anomalies de réseau afin de prévenir/se défendre contre les cyber-intrusions et les cyber-attaques. Le principal résultat de ce partenariat est la matérialisation d'un cadre pour la détection des anomalies avec QML. Ce cadre a le potentiel de permettre 1) d'énormes avancées en termes de temps d'exécution, de capacité et d'efficacité d'apprentissage et 2) des améliorations significatives des capacités de détection d'anomalies.