Quantum-Autoencoder erkennt IoT-Anomalien in Echtzeit – NISQ-Geräte nutzen
Mit zunehmender Komplexität von IoT-Daten und steigenden Cyberbedrohungen stoßen klassische Anomalieerkennungsalgorithmen an ihre Grenzen. Ein neues Forschungsprojekt präsentiert einen Quantum Autoencoder (QAE), der Netzwerkverkehr in kompakte, diskriminierende latente Darstellungen komprimiert und anschließend eine Quanten-Support-Vector-Klassifikation (QSVC) zur Erkennung von Angriffen einsetzt.
