量子计算凭借其解决经典计算机难以应对的复杂问题的潜力与能力,正日益普及。随着量子云服务被企业与研究机构采用,其在多领域推动着重大进展与应用。然而,此类环境固有的脆弱性引发严重安全隐忧。本文全面分析量子云系统涌现的安全挑战,重点聚焦多租户漏洞与经典-量子接口。针对串扰攻击、量子侧信道漏洞、内部威胁等核心威胁及其对量子电路机密性、完整性与可用性的影响进行系统研究,并探讨主流量子云服务商的架构设计与实现。此外,本文深入解析新兴量子安全解决方案与风险缓解最佳实践,指出现有研究缺口并为构建安全弹性量子云基础设施指明未来方向。

​​ 量子计算作为革命性技术,凭借指数级效率提升解决经典计算机无法企及的复杂问题。该领域在量子算法、安全机制与系统漏洞等多维度取得新突破,同时硬件层面持续进步(现代量子处理器量子比特数量持续增长)。各行业正探索量子计算在密码学、医学研究与人工智能等领域的应用潜力,使其成为未来科技创新的关键驱动力。

近年来,量子硬件实验门槛显著降低。云计算作为现代数字服务基石,提供可扩展算力、存储与专业化平台以满足科研机构与企业需求。IBM Quantum、谷歌、D-Wave、IonQ、Rigetti等量子平台提供商通过云端开放量子计算机访问[1]。这些平台使开发者可远程实验量子处理器,降低本地化部署成本。量子云服务提供量子模拟器、软件开发工具包(SDK)、开发环境与算法库等配套工具[2],有力支撑实验创新。

量子云系统存在多类型已知威胁,涵盖量子硬件漏洞、系统经典组件缺陷、量子-经典接口风险尤其是多租户环境隐患。此类攻击可能破坏量子云系统的机密性、完整性与可用性。攻击者可利用漏洞实施未授权访问、侧信道攻击、拒绝服务(DoS)攻击降低可用性或篡改量子计算,导致数据泄露与知识产权窃取。量子-经典接口的一个典型威胁是掌握室温电子设备权限的内部人员——通过侧信道泄露可能解码内部信号[3]。因此需全面认知量子云系统漏洞,特别是多租户等新兴且关注不足的薄弱环节。

多租户作为云平台核心特征,允许多用户同时共享物理/虚拟资源进行量子计算机实验。该设计降低云服务商的硬件与软件成本并优化性能[4]。尽管广泛访问促进科研突破,但也引发独占式平台不存在的隐患。单一用户触发的软硬件故障将破坏共享量子硬件的其他用户体验[5]。攻击者可借此在共享环境中植入独特安全风险,通过各种途径影响大量无戒备用户。

多租户量子云环境的安全薄弱将造成严重后果,既包含单租户系统既有威胁,亦滋生独有问题。众多侧信道攻击可基于有限信息预测用户量子电路,在此系统下防御极具挑战性。攻击者可探测共享系统的串扰与定时模式并加以利用。例如恶意行为体利用含噪声中等规模量子(NISQ)计算机串扰实施攻击可导致电路拓扑暴露[6]。因此亟需建立稳健安全机制防范此类风险,保护医疗、金融等关键领域的敏感量子工作负载。

既有研究涵盖量子计算多租户概念及攻击路径[7],提出基于多种方法的侧信道攻击向量,涉及量子-经典接口威胁与其他量子云攻击类型[3],并设计多租户与单租户框架下的数据泄露缓解技术。但多租户缺陷、量子-经典接口挑战及其解决方案仍有深度研究空间。

本文核心贡献如下:

  • 针对量子云系统的安全威胁及其对用户电路机密性、完整性与可用性的影响进行全面综述;
  • 系统探讨量子云系统的六类攻击向量:经典-量子接口威胁、单租户威胁、多租户威胁、内部攻击、量子硬- 件攻击与量子设备经典组件攻击;
  • 依托可视化工具对量子计算机架构与硬件进行高层级解析;
  • 评估各缓解策略与安全方案的有效性与可行性;
  • 明确量子云安全强化需重点突破的研究方向。
成为VIP会员查看完整内容
2

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
大语言模型越狱攻击:模型、根因及其攻防演化
专知会员服务
15+阅读 · 4月28日
《未来的威胁格局:对情报和安全服务的影响》
专知会员服务
11+阅读 · 2月10日
深度学习模型安全:威胁与防御,176页pdf
专知会员服务
26+阅读 · 2024年12月13日
《人工智能灾难性风险概述》2023最新55页报告
专知会员服务
67+阅读 · 2023年10月6日
《自动化的网络防御:综述》2023最新32页长综述
专知会员服务
33+阅读 · 2023年6月19日
专知会员服务
23+阅读 · 2021年8月22日
人工智能模型数据泄露的攻击与防御研究综述
专知会员服务
72+阅读 · 2021年3月31日
基于深度学习的数据融合方法研究综述
专知会员服务
144+阅读 · 2020年12月10日
《人工智能安全测评白皮书》,99页pdf
专知
34+阅读 · 2022年2月26日
「强化学习可解释性」最新2022综述
专知
11+阅读 · 2022年1月16日
基于深度学习的数据融合方法研究综述
专知
33+阅读 · 2020年12月10日
综述 | 异质信息网络分析与应用综述
专知
27+阅读 · 2020年8月8日
【综述】生成式对抗网络GAN最新进展综述
专知
58+阅读 · 2019年6月5日
【深度学习】深度学习技术发展趋势浅析
产业智能官
11+阅读 · 2019年4月13日
深度强化学习简介
专知
30+阅读 · 2018年12月3日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
Arxiv
168+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
453+阅读 · 2023年3月31日
Arxiv
76+阅读 · 2023年3月26日
Arxiv
167+阅读 · 2023年3月24日
Arxiv
24+阅读 · 2023年3月17日
VIP会员
相关VIP内容
大语言模型越狱攻击:模型、根因及其攻防演化
专知会员服务
15+阅读 · 4月28日
《未来的威胁格局:对情报和安全服务的影响》
专知会员服务
11+阅读 · 2月10日
深度学习模型安全:威胁与防御,176页pdf
专知会员服务
26+阅读 · 2024年12月13日
《人工智能灾难性风险概述》2023最新55页报告
专知会员服务
67+阅读 · 2023年10月6日
《自动化的网络防御:综述》2023最新32页长综述
专知会员服务
33+阅读 · 2023年6月19日
专知会员服务
23+阅读 · 2021年8月22日
人工智能模型数据泄露的攻击与防御研究综述
专知会员服务
72+阅读 · 2021年3月31日
基于深度学习的数据融合方法研究综述
专知会员服务
144+阅读 · 2020年12月10日
相关资讯
《人工智能安全测评白皮书》,99页pdf
专知
34+阅读 · 2022年2月26日
「强化学习可解释性」最新2022综述
专知
11+阅读 · 2022年1月16日
基于深度学习的数据融合方法研究综述
专知
33+阅读 · 2020年12月10日
综述 | 异质信息网络分析与应用综述
专知
27+阅读 · 2020年8月8日
【综述】生成式对抗网络GAN最新进展综述
专知
58+阅读 · 2019年6月5日
【深度学习】深度学习技术发展趋势浅析
产业智能官
11+阅读 · 2019年4月13日
深度强化学习简介
专知
30+阅读 · 2018年12月3日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员