ترجمه فارسی مقاله طرح‌های رمزگذاری بسیار قوی

چکیده

Quantum machine learning uses principles from quantum mechanics to process data, offering potential advances in speed and performance. However, previous work has shown that these models are susceptible to attacks that manipulate input data or exploit noise in quantum circuits. Following this, various studies have explored the robustness of these models. These works focus on the robustness certification of manipulations of the quantum states. We extend this line of research by investigating the robustness against perturbations in the classical data for a general class of data encoding schemes. We show that for such schemes, the addition of suitable noise channels is equivalent to evaluating the mean value of the noiseless classifier at the smoothed data, akin to Randomized Smoothing from classical machine learning. Using our general framework, we show that suitable additions of phase-damping noise channels improve empirical and provable robustness for the considered class of encoding schemes.

چکیده به فارسی (ترجمه ماشینی)

یادگیری ماشین کوانتومی از اصول از مکانیک کوانتومی برای پردازش داده ها استفاده می کند و پیشرفت های بالقوه ای را در سرعت و عملکرد ارائه می دهد.با این حال ، کار قبلی نشان داده است که این مدل ها مستعد حملات هستند که داده های ورودی را دستکاری می کنند یا از نویز در مدارهای کوانتومی سوء استفاده می کنند.پس از این ، مطالعات مختلف استحکام این مدل ها را مورد بررسی قرار داده است.این آثار بر صدور گواهینامه استحکام دستکاری در کشورهای کوانتومی متمرکز است.ما این خط تحقیق را با بررسی استحکام در برابر آشفتگی در داده های کلاسیک برای یک کلاس کلی از طرح های رمزگذاری داده ها گسترش می دهیم.ما نشان می دهیم که برای چنین طرح هایی ، افزودن کانال های نویز مناسب معادل ارزیابی میانگین مقدار طبقه بندی کننده نویز در داده های صاف ، شبیه به هموار سازی تصادفی از یادگیری ماشین کلاسیک است.با استفاده از چارچوب کلی ما ، ما نشان می دهیم که افزودنیهای مناسب کانال های نویز فاز فاز ، استحکام تجربی و قابل اثبات را برای کلاس در نظر گرفته از طرح های رمزگذاری بهبود می بخشد.