量子计算机可以比传统计算机更快地解决一些复杂问题，预计将改善自动驾驶汽车等设备中部署的人工智能（AI）应用。然而，量子计算机很容易受到对抗性攻击。
据外媒报道，得克萨斯大学达拉斯分校（University of Texas at Dallas，UT Dallas）的研究团队和一位行业人员合作开发出方法，为量子计算机提供额外的保护层以抵御此类攻击。该解决方案是对抗性防御的量子噪声注入（Quantum Noise Injection for Adversarial Defense，QNAD），可以抵消旨在破坏推理（人工智能做出决策或解决任务的能力）的攻击的影响。
图片来源：UT Dallas
埃里克琼森工程与计算机科学学院（Erik Jonsson School of Engineering and Computer Science）电气与计算机工程助理教授Kanad Basu博士表示：“旨在破坏人工智能推理的对抗性攻击可能会造成严重后果。攻击可以比作有人在停车标志上贴上贴纸：自动驾驶汽车可能无法正确识别停车标志，将其解释为减速标志，因此无法停车。我们采用这种方法的目标是使量子计算机应用程序更加安全。”
量子计算是一项快速新兴的技术，利用量子力学（研究粒子在亚原子水平上的行为）来解决复杂的计算问题。与传统计算机中的位一样，量子位代表量子计算机中信息的基本单位。经典计算机中的位代表1或0。然而，量子位利用了叠加原理，这意味着它们可以同时处于0和1的状态；因此，量子位可以代表两种状态，与传统计算机相比，具有显著的加速能力。例如，由于其计算能力，量子计算机有可能破解高度安全的加密系统。
量子计算机面临的挑战之一是，由于温度波动、磁场或硬件组件缺陷等因素，它们容易受到“噪声”或干扰的影响。量子计算机还容易出现“串扰”，即量子位之间发生意外的相互作用。噪声和串扰可能导致计算错误。
新研究方法利用固有的量子噪声和串扰来抵消对抗性攻击。该方法将串扰引入量子神经网络（QNN），这是一种机器学习形式，其中大型数据集训练计算机执行任务，包括检测停车标志等物体或其他计算机视觉职责。
“量子计算机的噪音行为实际上减少了攻击的影响，”该研究的资深作者Basu表示。“新方法可以补充其他针对对抗性攻击的防御措施。”研究人员证明，在攻击期间，使用QNAD的AI应用程序比不使用QNAD时的准确率提高268%。
计算机工程博士生、第一作者之一Shamik Kundu表示，该方法旨在补充其他保护量子计算机安全的技术。“万一发生车祸，如果我们不系安全带，事故的影响就会大得多，”Kundu表示。“另一方面，如果我们系上安全带，即使发生事故，碰撞的影响也会减轻。QNAD框架的运作类似于安全带，可以减少代表事故的对抗性攻击对QNN模型的影响。”