当廉价梯度失效时：攻击量子分类器的测量成本
When cheap gradients fail: the measurement cost of attacking quantum classifiers
AI 导读
论文表明，量子测量统计中的散粒噪声（shot noise）可充当变分量子分类器的内置防御，使基于梯度的测试时攻击成本随输入维度不利增长。白盒攻击者须通过重复执行量子线路推断每个梯度分量，单步攻击所需的测量次数在输入维度 d 上至少为平方量级，在范数集中缩放下按 d^{5/2} 增长。仿真至 784 维验证了该规律，经贫瘠高原缓解的模型总预算符合 d^{5/2} 几何下界，测试的深层线路按 d^{3.00} 增长；与攻击开销不随维度变化的经典自动微分基线相比，量子与经典的梯度成本之比经验上按 d^{3.00} 增长，攻击者相对成本随模型规模发散。在 156 量子比特 IBM 处理器 ibm_boston 上的实验（4 量子比特线路，d=12）复现了该效应，匹配预算下设备攻击与理想结果相差在百分之几以内。