基于D-Wave Advantage的量子退火公钥密码攻击算法研究

D-Wave专用量子计算机的原理量子退火凭借独特的量子隧穿效应可跳出传统智能算法极易陷入的局部极值,可视为一类具有全局寻优能力的人工智能算法.本文研究了两类基于量子退火的RSA公钥密码攻击算法(分解大整数N=pq):一是将密码攻击数学方法转为组合优化问题或指数级空间搜索问题,通过Ising模型或QUBO模型求解,提出了乘法表的高位优化模型,建立新的降维公式,使用D-Wave Advantage分解了 200万整数2269753.大幅度超过普渡大学、Lockheed Martin和富士通等实验指标,且Ising模型系数h范围缩小了 84%,系数J范围缩小了 80%,极大地提高了分解成功率,这是一类完全基于D-Wave量子计算机的攻击算法;二是基于量子退火算法融合密码攻击数学方法优化密码部件的攻击,采用量子退火优化CVP问题求解,通过量子隧穿效应获得比Babai算法更近的向量,提高了 CVP问题中光滑对的搜索效率,在D-Wave Advantage上实现首次50比特RSA整数分解.实验表明,在通用量子计算机器件进展缓慢情况下,D-Wave表现出更好的现实攻击能力,且量子退火不存在NISQ量子计算机VQA算法的致命缺陷贫瘠高原问题:算法会无法收敛且无法扩展到大规模攻击.

基于量子退火算法的配电网故障定位

由于分布式电源在配电网的高渗透给有源配电网的保护技术和策略带来了挑战,致使传统方法在故障诊断中稍显逊色。针对此现状提出了基于量子隧穿效应的量子退火算法实现故障诊断,并通过对量子退火算法进行优化以改善其在复杂配电网故障诊断中有小概率陷入局部极小值的问题。首先将故障定位模型的适应度函数映射为量子退火算法的评价函数;其次利用混沌优化获得动态的初始磁场强度和初始温度,利用自适应公式计算扰动次数,并设计陷入局部最优时的扰动方法来跳出当前最优可行解;接着构造具备升温特点的温度衰减函数,选择合适形式的磁场衰减函数;最后将改进的量子退火算法进行三种经典函数的测试,并分别应用于33节点单电源和33节点含分布式电源配电网两个故障场景中。模拟仿真表明,改进量子退火算法在故障定位问题中具备可行性,能够适应联络开关的开闭变化和多个含分布式电源的投切,表现出良好的定位准确率,容错性和全局寻优能力等。

量子退火反演的原理和实现

现有的非线性反演方法,大都存在着求解的局部收敛性和计算速度慢的问题.在与模拟退火方法进行比较的基础上,本文研究了基于量子跃迁过程中量子隧道效应的量子退火反演算法.数值试验结果表明,量子退火方法应用于地球物理反问题的求解是成功的,它适合于非线性、多极值的地球物理反演问题,与模拟退火反演相比,量子退火反演在退火收敛速度和避免陷入局部极小等方面有着一定的优势,该方法也适用于其他领域非线性最优化问题的求解,具有较强的普适性.

量子退火算法研究进展

在数学和应用领域,量子退火算法是一类新的量子优化算法.不同于经典模拟退火算法利用热波动来搜寻问题的最优解,量子退火算法利用量子波动产生的量子隧穿效应来使算法摆脱局部最优,而实现全局优化.在已有的研究中,量子退火算法在某些问题上展现出良好的优化效果.系统地综述了量子退火算法的基本原理和近年来的主要研究进展,较为详细地介绍了几个主要的量子退火算法,对量子退火算法的优点和可能的不足进行了分析评述,并对今后的研究方向进行了展望.

量子退火最优化与地球物理反演方法

量子退火最优化方法的思想是基于模拟退火方法发展而来的,但利用的是量子跃迁隧道效应的机制,这和模拟退火基于热力学的退火原理是不一样的.本文首先概述了量子退火和模拟退火的区别所在;其次主要论述了量子退火在最优化方面的应用发展情况,比如伊辛自旋玻璃问题,旅行商问题,布尔可满足性问题等,讨论了具体测试问题中量子退火方法的应用情况以及和模拟退火方法的比较;随后对基于量子退火方法的地球物理反演原理和方法做了相应的阐述,讨论了不同参数比如温度、横向场的设置,比较了处于不同的横向场和势能状态的概率大小问题;最后就量子退火方法在地球物理反问体中的应用前景以及存在的问题做了简要概述.

基于量子退火Metropolis-Hastings算法的叠前随机反演

传统的Metropolis-Hastings(MH)算法是一种常见的随机反演方法,可以得到大量来自于后验分布的样本,从而得到更可靠的参数估计和反演结果的不确定性信息,但对于较为复杂的参数空间,MH算法往往不能对其充分搜索。为此,针对该问题提出了基于量子退火MH算法的叠前随机反演方法,主要通过调节算法的接受概率提高算法的计算效率和稳定性。模型试算与实际数据反演结果表明,相较于传统的MH算法,该方法具有更高的收敛效率。

一种改进的量子退火算法

为了进一步提高量子退火算法在优化问题上的计算速度,对量子退火算法如何移动到新解这个问题的方法进行改进,将粒子透射系数引入到量子退火算法中,并通过透射系数来确定是否移动到新解.实验结果表明:通过透射系数确定新解的方法能在更短的计算时间内得到最优解.

采用横向铁磁交互作用的随机场伊辛模型的量子退火算法

通过数值对角化分析瞬时基态和第一激发态,提出基于横向铁磁交互的量子退火的优势.采用贝特近似作为实际执行的算法,给出相应的模拟结果,并对传统量子退火、基于横向铁磁交互作用的量子退火和模拟退火算法的剩余误差进行比较.结果表明:所提算法能有效提高传统量子退火在随机场伊辛模型中的收敛速度;利用量子波动的选择空间可以有效实现量子退火的最佳性能.

大地测量反演中的量子退火法初探

本文第一次将量子退火法引入到大地测量反演中,介绍了基本原理,给出了算法流程图,并通过与蒙特卡罗法、模拟退火法的算例比较,表明其收敛速度快等优点,显示了在实际大地测量非线性反演中的应用潜力。

基于差分量子退火算法的农用无人机路径规划方法

为解决不规则区域内农用无人机植保作业问题,以农用无人机的总飞行距离和多余覆盖率为指标建立模型,将无人机的植保作业航向角作为优化目标,并考虑有障碍物下的情形,采用差分进化算法(different evolution algorithm,DE)与量子退火算法(quantum annealing algorithm,QA)融合的方法对应用模型进行求解,分析算法的执行过程并进行MATLAB仿真试验。结果显示:在设定的不含障碍物农田区域环境下,相较于未规划与差分进化算法规划情况,采用差分量子退火算法(differential evolution algorithm-quantum annealing,DEQA)时无人机总的飞行距离分别减少101.52、73.00 m,转弯路径分别减少43.02、43.10 m,多余覆盖率分别减少22.25%和12.79%;在设定的含障碍物农田区域环境下,相较于未规划与差分进化算法规划情况,采用差分量子退火算法时无人机总的飞行距离分别减少73.24、24.54 m,转弯路径分别减少52.50、12.72 m,多余覆盖率分别减少72.34%、23.52%,其余指标均有所下降。仿真结果表明,采用差分量子退火算法能够完成农田区域路径规划问题,可为农用无人机路径规划提供技术支持。

基于量子退火算法的DPA防御系统优化

在ECC侧信道攻击以及各种抗攻击方法中,目前研究最多的为功耗攻击。一方面,对于攻击者而言,因为简单能量分析(SPA)方法与密码实现算法有较大关联,使其攻击密码的难度较高;另一方面,对于差分功耗分析(DPA),通过多条功率消耗轨迹的分析即可破解得到相应的密钥,难度较低。当前,功耗平衡方法是应用较多的对抗手段。文章利用量子退火算法对基于WDDL的抗功耗攻击方法进行优化,减少不必要的附加单元,相对于基于传统模拟退火算法的ExCCel优化算法,量子退火算法可以以更高的概率更快获得最优解。该方法可在很大程度上节省电路面积和能耗,同时提高系统的抗差分功耗攻击能力。

基于量子退火算法的无线传感器网络节点定位

经典模拟退火、遗传算法等是无线传感器网络节点非测距定位广泛使用的方法,但是它们都存在:①容易陷入局部最优,难以实现全局最优,定位精度不高;②计算较复杂,能耗较多等问题.提出了基于量子退火算法的无线传感器网络节点定位方法,利用量子隧穿效应,可以较快地穿透能量势垒由局部最优到达全局最优,简化了计算,提高了计算速度.通过仿真实验验证,该算法与传统的遗传算法和经典模拟退火算法相比,提高了精度,降低了能耗.

基于量子退火算法的大数据模糊随机挖掘方法

针对当前挖掘方法在对大数据挖掘时存在挖掘可靠性低和挖掘空间聚焦能力弱的问题,引入量子退火算法,开展大数据模糊随机挖掘方法研究。利用模糊C均值调度算法,进行大数据模糊融合。针对非线性分布的大数据,提取大数据模糊层次聚类特征。通过量子退火算法运算,实现随机挖掘。通过对比实验证明,新的挖掘方法具备更高的挖掘可靠性,且挖掘空间聚焦能力更强,挖掘效果更理想。

一种模拟绝热量子计算的适应度地形探索算法

将优化问题抽象成目标函数后,目标函数和启发式优化算法的匹配程度决定了优化求解的效率.为反映目标函数的优化特征并指导优化算法及其参数的选择,本文模拟绝热量子计算中的多基态演化,提出了一种适应度地形探索算法.根据基态波函数倾向于向势能较小处收敛且收敛程度受量子效应强度影响的特性,用目标函数编码势能场后算法引入了一个量子效应递减的多基态演化过程,用其持续收敛的基态波函数簇反映目标函数的适应度地形.根据量子路径积分,算法由尺度递减的扩散蒙特卡罗(diffusion Monte Carlo,DMC)实现.实验表明算法综合直观地反映了适应度地形的众多特征,所得信息能直接指导后续优化,其计算模式和启发式优化相似,无需引入其他计算,这为适应度地形研究引入了新的视角.

量子退火理论及其应用综述

量子退火算法是在经典模拟退火算法基础上演进出来的一种新的量子优化算法.与经典模拟退火算法利用热波动来搜索问题的最优解不同,量子退火算法利用量子隧穿效应使得量子具有穿透比其自身能量高的势垒的能力,从而使算法摆脱局部极值,以更高概率逼近全局最优.目前,量子退火算法在组合优化类问题中已展现出良好的优化性能.本文系统地综述了D-Wave量子计算机核心原理——量子退火算法的基本概念及其应用领域,较为详细地分析了量子退火算法在密码学、旅行商问题、图着色问题、交通路径等领域的应用,并对未来量子退火算法的更多待深化与探索的方向进行展望.

具有稳定性Ising模型局部场系数h和耦合项系数J的量子退火分布式整数分解研究

分解大整数的困难程度是RSA公钥密码的安全基础,量子退火破译RSA密码与Shor算法有着本质性的不同,将整数分解问题转化为组合优化问题,利用D-Wave量子退火特有的量子隧穿效应跳出局部亚优解.本文提出一种新的分布式量子退火整数分解算法,将任意整数转变为D-Wave量子计算机可执行的稳定性Ising模型的框架.Ising模型局部场系数h、耦合项系数J的稳定性和取值范围是影响到整数分解成功率的重要因素,与普渡大学Jiang等人的算法相比,本文算法在降低使用的逻辑比特数的同时,参数h,J降低程度达到60%和40%以上,且Ising模型系数取值范围稳定;与洛克希德·马丁公司Warren的算法相比,在保证可以达到Ising模型稳定的情况下,本文算法参数h,J从10^6降低到10^2数量级.此外,Warren为了证明其提出的算法的正确性,遍历分解1000以内的整数,本文的算法遍历10000以内的整数,均成功分解.本文算法实验结果超过了目前Shor算法、普渡大学Jiang等人和洛克希德·马丁公司Warren公开文献最大分解规模.

不同厚度GaAs覆盖层对自组织生长InAs量子点退火效应的影响

本文利用光致发光测量了不同厚度GaAs覆盖层对自组织生长InAs量子点退火效应的影响．退火使量子点发光峰蓝移，发光强度减弱．深埋的量子点承受更大的应变，应变使退火引起的互扩散加强．GaAs盖层越厚，量干点的互扩散越明显，发光峰蓝移越显著，并由此导致了发光峰半高宽的不同变化．

一种改进的量子遗传模拟退火算法及其在神经网络智能故障诊断中的应用

分析了模拟退火算法、遗传算法与普通量子遗传算法的优缺点,针对实数编码双链量子遗传算法的种群多样性和收敛快速性,将其与模拟退火算法相结合,在模拟天体宇宙演变的基础之上,提出实数编码双链量子遗传模拟退火算法,并用之改进BP神经网络的初始权值与阈值,并将改进后的BP神经网络运用于智能故障诊断中。仿真结果表明,该算法效果良好。

一种量子模拟退火算法

为扩展量子智能算法的研究领域,根据模拟退火算法的思想,提出量子模拟退火算法(QSA).定义了量子染色体相位邻域空间,缩小了算法搜索范围;引入信息熵的概念,避免了搜索的盲目性;给出一个量子的旋转角增量的表达式,简化了计算过程;采用Boltzmann概率分布原则接受新解,提高了算法的搜索性能;同时增加了量子变异操作和量子随机行为,可以防止算法早熟现象.研究结果表明:该算法具有较强的全局收敛性和搜索能力.

量子计算密码攻击进展

通用量子计算机器件进展缓慢,对实用化1024-bit的RSA密码破译尚不能构成威胁,现代密码依旧是安全的.量子计算密码攻击需要探索新的途径:一是,量子计算能否协助/加速传统密码攻击模式,拓展已有量子计算的攻击能力;二是,需要寻找Shor算法之外的量子计算算法探索密码攻击.对已有的各类量子计算整数分解算法进行综述,分析量子计算密码攻击时面对的挑战,以及扩展至更大规模整数分解存在的问题.结合Shor算法改进过程,分析Shor算法对现代加密体系造成实质性威胁前遇到的困难并给出Shor破译2048位RSA需要的资源.分析基于D-Wave量子退火原理的RSA破译,这是一种新的量子计算公钥密码攻击算法,与Shor算法原理上有本质性不同.将破译RSA问题转换为组合优化问题,利用量子退火算法独特的量子隧穿效应跳出局部最优解逼近全局最优解,和经典算法相比有指数级加速的潜力.进一步阐述Grover量子搜索算法应用于椭圆曲线侧信道攻击,拓展其攻击能力.探讨量子人工智能算法对NTRU等后量子密码攻击的可能性.