在电子商务中使用量子增强的混合人工智能框架减轻网络鱼威胁
Brij B Gupta1,2,3,4,5, Shin-Hung Pan6, Akshat Gaurav7,8
1Department of Computer Science and Information Engineering, Asia University, Taichung, 413, Taiwan. bbgupta@asia.edu.tw.
Scientific reports
|November 27, 2025
概括
本研究介绍了一种量子增强的AI模型,用于检测网络鱼网站. 这种新的方法以更少的参数实现了高精度 (97.3%),提供了高效的网络安全解决方案.
科学领域:
- 网络安全 网络安全
- 人工智能的人工智能
- 量子计算是一种量子计算.
背景情况:
- 网络鱼网站利用URL结构,构成严重的网络安全威胁.
- 传统的用于网络鱼检测的深度学习模型具有高的计算成本和缺乏可解释性.
研究的目的:
- 提出一种新的量子增强混合人工智能模型,用于改进网络鱼网站的检测.
- 为了利用量子计算原理在网络安全中丰富的特征表示.
主要方法:
- 集成经典的神经编码器与参数化量子电路.
- 使用量子纠和叠加来从URL数据中提取增强的特征.
- 开发一种混合AI模型,用于基于URL的网络鱼检测.
主要成果:
- 在识别网络鱼网站方面实现了97.3%的分类准确度.
- 与基线深度学习方法相比,显著减少可训练参数.
- 证实了模型的有效性和计算效率.
结论:
- 量子增强的混合AI模型显示了下一代网络鱼检测系统的巨大潜力.
- 拟议的模型为传统的深度学习方法提供了有效和高效的替代方案.
- 量子AI集成可以增强针对复杂威胁的网络安全防御.
