量子对抗机器学习：从经典方法的改进到量子原生方法的发展

《ARTIFICIAL INTELLIGENCE REVIEW》：Quantum adversarial machine learning: from classical adaptations to quantum-native methods

　　

摘要

机器学习已经彻底改变了众多工业领域。尽管取得了 recent 的进展，机器学习模型仍然容易受到对抗性威胁的攻击。对抗性机器学习是一个研究这些漏洞以构建更强大机器学习模型的领域。量子机器学习是一个跨学科领域，它将量子计算与经典机器学习相结合。虽然量子机器学习在回归、分类和生成建模等复杂任务中显示出超越经典机器学习的潜力，但它仍然容易受到对抗性攻击。鉴于量子计算和机器学习的 recent 进展，量子对抗性机器学习领域应运而生，旨在研究量子机器学习的漏洞、可能的攻击方式以及新型的量子增强防御策略。在这篇综述中，我们详细介绍了量子对抗性机器学习，并探讨了现有的攻击方法和应对措施。我们还回顾了这一领域的理论基础、新兴趋势以及面临的重大挑战。