Security Aspects of Quantum Machine Learning (SecQML)

Das Projekt „Security Aspects of Quantum Machine Learning (SecQML)“ untersucht die Sicherheitseigenschaften von Methoden des maschinellen Lernens auf Quantencomputern anhand praktisch durchzuführender Experimente. Dazu wird einerseits die Anfälligkeit von QML-Methoden gegenüber für klassisches ML bekannten Angriffsvektoren wie Adversarial/Evasion, Data Poisoning und Model Stealing Attacks untersucht, sowie andererseits die Wirksamkeit geeigneter Verteidigungsmaßnahmen (z.B. Adversarial Training) erprobt. Die im Projekt zu bearbeitenden Forschungsfragen und die zu konzipierenden Experimente orientieren sich an den Ergebnissen der BSI-Grundlagenstudie zum QML im Kontext der IT-Sicherheit (https://www.bsi.bund.de/DE/Service-Navi/Publikationen/Studien/QML/QML_node.html). Das Projekt hat den Anspruch, einen wesentlichen initialen Beitrag zur Sicherheitsforschung zum QML zu leisten und den bestehenden Forschungsstand dabei klar zu erweitern.