Компьютерные науки > Криптография и безопасность [представлен 16 июля 2026 года] Название: BadQubits: An LLM - основа для статичного предварительного обнаружения структурно вредных квантовых схем Вижу PDF HTML (экспериментальный) Резюме: На этом документе представлены Bad Qubts, основанные на LLW рамки статической предварительной диагностики структурных вредных OpQASM 2.0 цепей. Эта система направлена на устранение угроз, связанных с физическим и эффективным эффектом, путем анализа представленных схем до начала эксплуатации, где динамическая проверка ограничивается измеряемой необратимостью и экспоненциальной стоимостью классической имитации квантового состояния. Мы оцениваем четыре шифропонимающих архитектуры LLM на наборе данных из 1500 схем, состоящих из 1000 доброкачественных программ MQTBench[33] и 500 синтетических атаки, полученных от трех зарегистрированных примитивных веществ с угрозой физической силы. Наша тонкая модель Qwen Coder 2.5 7B обеспечивает точность классификации 92,67% и 96,1% вредоносной системы. Две из четырех оцененных базовых моделей не могут быть обобщены в условиях ограниченной доработки LORA, что указывает на то, что выбор модели с архитектурой является необходимым проектным соображением, а не небольшим вариантом настройки. Чтобы охарактеризовать то, что узнал детектор, мы сравниваем его с мешком врат Си-Эн-эн под прогрессивным запутанным удалением и состязательным синтактическим возмущением. Плохая система CNN снижается с 100% до 17%, а…
BadQubits: Основа для статичного предварительного обнаружения структурно вредных квантовых цепей
arXiv: 2609.18965v1 Annuates Type: cross Brieft: В настоящем документе представлены BadQubits, основанные на LLM рамки для статического предварительного обнаружения структурно вредных схем OpenQASM 2.0. Эта система направлена на устранение угроз, связанных с физическим и эффективным эффектом, путем анализа представленных схем до начала эксплуатации, где динамическая проверка ограничивается измеряемой необратимостью и экспоненциальной стоимостью классической имитации квантового состояния. Мы оцениваем четыре шифропонимающих архитектуры LLM на наборе данных из 1500 схем, состоящих из 1000 доброкачественных программ MQTBench[33] и 500 синтетических атаки, полученных от трех зарегистрированных примитивных веществ с угрозой физической силы. Наша тонкая модель Qwen Coder 2.5 7B обеспечивает точность классификации 92,67% и 96,1% вредоносной системы. Две из четырех оцененных базовых моделей не могут быть обобщены в условиях ограниченной доработки LORA, что указывает на то, что выбор модели с архитектурой является необходимым проектным соображением, а не небольшим вариантом настройки. Чтобы чарак