Исследователи в области квантовых вычислений и кибербезопасности разработали модель машинного обучения, которая улучшает раннее обнаружение угроз кибербезопасности. 

Команда из компании Multiverse Computing, специализирующейся на квантовом программном обеспечении, и компании CounterCraft, специализирующейся на анализе угроз, обучила квантовую модель искусственного интеллекта (ИИ), используя наборы данных из реального сетевого трафика и системных журналов, что позволило выявить 100 % кибератак в ходе испытаний.

Они использовали методику, известную как Matrix Product State (MPS). В ней для идентификации кибератак вместо традиционных систем, основанных на правилах, используется генерируемая противником информация об угрозах, полученная во время попыток атак хакеров.

В ходе испытаний исследователи обнаружили, что модель сокращает количество ложных срабатываний более точно, чем классические модели. Кроме того, она улучшила объяснимость результатов работы алгоритма, что необходимо бизнес-пользователям и регулирующим органам.

Согласно CounterCraft, кибератака обычно состоит из серии от 20 до 80 отдельных событий, когда хакеры пытаются проникнуть в систему. Модель MPS идентифицировала 83,5 % этих этапов, а также обнаружила несколько этапов, пропущенных в классическом анализе.

Теперь команда планирует провести дальнейшие испытания, чтобы повысить эффективность модели в различных сценариях.

В будущем модель может найти применение в других отраслях, которые зависят от обнаружения аномалий, таких как финансы, здравоохранение, государственное управление, критическая инфраструктура, производство и розничная торговля.