该论文针对“量子傅里叶采样能否用于审计基于延迟的物理不可克隆函数(PUF)的谱可学习性”这一命题，提出并验证了一套名为“三闸门量子审计协议(Three-Gate Quantum Audit Protocol)”的可复现评估流程，用以严格区分“理想查询模型下的理论优势”与“真实可实现的安全收益”。作者将评估拆为三道闸门。第一道是结构闸门：低次数(degree)并不等于在可达到的挑战长度上具有小支撑集(small support)。以 n=14 的 4-XOR 为例，满足 degree ≤ d_f(0.1) 的特征函数占全部 2^n 个字符的 91%，且中位 90% 质量集合覆盖约三分之一个谱，说明低次数刻画过于宽松，无法界定可学习支撑。第二道是算法闸门：若能构造相位预言机(phase oracle)，逻辑上已隐含经典成员查询访问，因此 Kushilevitz–Mansour 才是正确基线。在 45 个任务上该基线会穷尽有限域，且没有任何 4-XOR 理想采样在 2^n 次调用内达到 90% 质量。量子核诊断看似更有利——在 N=512 个挑战时几何差异升至 2.151——但该指标与经典 Gram 矩阵 K_C 的 1/√λ_min(K_C) 相关系数达 0.991，且 4-XOR 的标签复杂度比值未超过保平衡排列零假设(p=0.930)，表明几何差异可由经典病态性单独放大，与任务标签对齐无关。第三道是实现闸门：作者基于量子傅里叶变换实现了一个经模拟器验证的定点相位预言机，取得 18.9% 的路由深度缩减，但在静态后端快照上，认证精度最低的配置估计耗时达所映射量子比特中位退相干时间 T_2 的 1.18–1.55 倍，且未进行真实硬件执行。结论是在所评估的区间内找不到端到端优势，尽管理想采样在阈值化任务上使用了更少的相干调用。论文的贡献是审计协议本身：一套可复现的程序，用于把理想查询优势与可实现安全收益区分开；作者明确声明这不是对已部署硅片的结论，也不是不可能性定理。

随机 Clifford 算子在量子计算中用途极广：随机基准测试（randomized benchmarking）、经典影子（classical shadows）、量子认证等协议都依赖对 n 量子比特 Clifford 群上的均匀随机采样。但 Clifford 群的规模极大，均匀随机采样与实现通常需要接近二次方（近 O(n^2)）的复杂度，成为大规模协议的性能瓶颈。本文提出一种密码学思路绕开该瓶颈：构造「陷门 Clifford 算子分布」，其样本在计算上不可区分于均匀随机 Clifford，但持有陷门者可以显著更快地实现该算子。作者在一个学习带噪声奇偶校验（LPN）假设的变体下，给出了可在近线性时间内完成采样与实现的陷门 Clifford 分布；该构造允许对 Pauli 标签进行快速 tableau 作用以便经典模拟，并可优化为多项式对数深度（polylog 深度）的量子电路实现。作为副产品，作者构造了有限域上的陷门矩阵，使其对矩阵本身及其逆矩阵的乘法都高效可行，从而解决了 Vaikuntanathan 与 Zamir（SODA'26）遗留的公开问题。基于这些构造，作者获得了更快的、以随机 Clifford 为基础的协议。论文还探讨了其在矩阵与 Clifford 问题的最坏情况到平均情况归约中的应用，覆盖迭代矩阵乘法与 Clifford 电路综合：作者证明「批处理 Clifford 电路」是困难的——把同一个 Clifford 应用到多个寄存器上的综合问题，至少与最坏情况矩阵乘法一样难，即使综合只要求在随机 Clifford 中有一小部分常数比例成功；该硬度结果还可推广到用通用量子电路做近似实现的情形。整体而言，这是一项理论密码学与量子计算交叉的工作，核心突破在于用陷门化伪随机性替代真正的均匀随机性，从而在保证（计算意义下）不可区分性的同时把开销降到近线性，并顺带给出新的硬度下界。

该论文研究的是量子优势（quantum advantage）理论中的一个核心开放问题：是否存在一类量子优势协议，其资源需求与随机电路采样（random circuit sampling, RCS）相当，同时又能仅凭量子计算输出的经典数据被经典验证者验证？作者指出，RCS 虽然资源需求低、实验上已可演示，但其输出结果在经典侧难以高效验证，因为验证者要判断采样是否来自目标分布，通常需要完成与经典对手同样困难的采样任务。为此，作者提出「模拟秘密（simulation secret）」这一新范式：验证者掌握一个只有自己知道的秘密，借助该秘密可以比经典对手更快地完成交叉熵测试（cross-entropy test），从而在经典侧高效判别量子设备是否真的完成了采样任务；而不知道秘密的经典对手即使能执行算法，也必须付出更高的计算代价才能通过同一测试。论文的具体实现基于 IQP 电路，其对应多项式为三次多项式，并带有「植入的独立空间（planted independent spaces）」。这些独立空间是多项式在一般线性群作用下的轨道中最大的独立集，并能导出对应量子态的低秩 stabilizer 分解，从而为验证者提供可高效计算的结构。作者提出两个猜想支撑安全性：第一，足够大的独立空间对计算受限的对手是「不可见」的，因此对手无法利用该结构通过协议；第二，对于均匀随机的多项式，产生能通过交叉熵测试的样本具有特定的细粒度复杂性下界。在这两个猜想成立的前提下，验证时间与经典对手通过协议所需时间之间形成多项式级别的差距，且二者都是指数级的。该方案还具有生成可经典认证的随机性的潜力，因为输出分布具有高最小熵。作者估计该植入多项式方案可在约 100 个逻辑量子比特、逻辑错误率约 10^-6 的条件下实现。

该论文研究的是「量子计算的经典验证」这一核心问题：如何让一个只能进行经典计算的验证者，去核实一台不受信任的量子证明者是否正确地执行了量子电路。作者 Holler 与 Natarajan 基于「计算自测试」(computational self-testing) 框架——即经典验证者能够对单个、计算能力受限的证明者的量子寄存器施加控制——构造出首个在电路模型下总资源需求为准线性的 BQP 论证系统 (argument system)。其安全基础是 LWE (Learning With Errors) 假设，总资源开销为 O(poly(λ, log g)·g)，其中 g 是所委托电路的门数，λ 是 LWE 安全参数；这意味着验证开销对电路规模近似线性、对安全参数为多项式级，是该方向上首次达到准线性总资源。技术上，作者构造了一个新的计算自测试，用于对证明者的量子态进行认证，并借此将 Broadbent (ToC 2018) 的高效验证协议「去量子化」，即将原本需要量子验证者的部分转化为纯经典可执行的验证。该自测试能够以可验证且随机的方式，远程制备单量子比特 Clifford 可观测量 σ_X、σ_Y、σ_Z、(σ_Y−σ_X)/√2 与 (σ_Y+σ_X)/√2 的张量积态，并具有常数鲁棒性——验证误差与所制备量子比特的数量无关，这是实现准线性资源的关键。方法论上，多证明者场景下的类似结果此前由 Coladangelo 等人 (ToC 2024) 提出；本文利用 Kalai 等人 (STOC 2023) 提出的编译器（可将任意非局域博弈 nonlocal game 转化为单证明者论证系统），将其应用于经过修改的自测试，从而在单证明者设置下复现了该结果。论文属于量子密码学与复杂性理论交叉方向。

该论文研究多租户（multi-tenant）量子云计算场景下的跨租户隐私泄漏问题。商业量子云厂商通常把同一台量子处理器上互不相交的比特扇区分别租给不同用户，并在设备数据表中报告平均门错误率（average gate error）作为质量指标。作者指出，这一被广泛采信的指标并不能决定一个租户能从相邻租户那里推断出多少信息。为此，论文提出了一种基于量子态可区分性（quantum state distinguishability）的信息论泄漏度量，用来量化跨越共租（co-tenancy）边界的信息泄漏量。作者在商用设备上进行了测量：IBM Kingston（156 比特）与 IQM Garnet（20 比特）。实验的核心发现是：即使两个租户边界在基准测试中报出完全相同的错误率，其实际信息泄漏量也可能存在显著差异。原因在于标准错误率指标对错误的“相干性（coherent）与随机性（stochastic）”本质是盲的——相干误差会系统性地保留可被邻租户利用的相关性，而平均错误率把两类误差混为一谈；论文提出的泄漏度量则能够区分二者。作为防御手段，作者采用在受害方整个寄存器上施加均匀 Pauli 随机化（uniform Pauli randomisation）的方法，理论上可将信息泄漏降至零且不带来保真度损失，但实验表明由于误差累积，实际会造成不可忽略的保真度下降，说明该防御在真实硬件上存在代价。论文最后向量子云计算提供商发出明确倡议：应在设备数据表中除标准错误率之外，额外报告信息泄漏指标，使租户在租用设备前就能评估隐私与安全风险。该工作把量子硬件的物理噪声特性与多租户云安全模型直接联系起来，适合量子计算、云安全与隐私工程方向的研究者与工程师阅读。

本文关注量子计算在网络攻防中的非密码学应用方向。目前业界对量子安全威胁的讨论几乎都集中在 Shor 算法最终能够破解 RSA/ECC 等非对称密码，而作者认为量子计算同样可能为攻击性安全带来新的能力。论文选择的切入点是 Return-Oriented Programming（ROP）利用构造中的 gadget 选择问题：在现代系统开启 SMEP/SMAP 等缓解措施后，攻击者需要从目标二进制中挑选一组 gadget 并拼接成可用的利用链，这本质上是一个带约束的组合优化问题。作者将其形式化为 Quadratic Unconstrained Binary Optimization（QUBO）模型，目标函数同时刻画单个 gadget 的选取代价以及 gadget 之间寄存器破坏（register clobbering）造成的相互干扰，使不同 gadget 拼接时的冲突能够被量化并纳入优化。随后使用量子近似优化算法（QAOA）在真实的 IBM Heron r2 量子硬件上求解该 QUBO 模型。在面向 Linux 内核利用场景的实验中，QAOA 选出的 gadget 链在 SMEP 与 SMAP 均处于开启状态的前提下完成了提权至 uid=0，表明该量子优化方法确实能产出可用的利用链。作者进一步在 8 个 Linux 二进制、共 16 个基准实例上进行评估：QAOA 在其中 11 个实例中恢复了最低成本的有效链；剩余 5 个实例未能找到最优解，失败原因与当前量子硬件规模有限、QAOA 电路深度过大导致的噪声和退相干有关。该工作属于探索性研究，展示了量子组合优化在攻击性自动化任务中的可行性边界，也暴露了当前量子硬件在电路深度和求解质量上的现实限制，适合量子计算、漏洞利用研究与攻防自动化方向的研究人员阅读。

该论文研究量子算法中「查询次数与内存（量子比特）之间的权衡」这一核心问题。经典背景下，对于均匀随机函数 f:[N]→[N]，BHT 算法用 O(N^{1/3}) 次查询加上一张 O(N^{1/3}) 规模的量子可访问经典表即可找到碰撞，而仅用对数空间的 Grover 搜索需要 O(√N) 次查询。介于这两个极端之间的最优查询—空间权衡长期是公开难题。作者在「标签对称算法」这一受限但自然的类中彻底解决了该问题：所谓标签对称，是指算法把函数 f 的输出标签视为可互换。作者证明，任何做出 T 次查询、使用 S 个量子比特、以常数概率在均匀随机函数上找到碰撞的标签对称算法，必须满足 T=Ω(N^{1/3}) 且 T²S=Ω(N log N)。当 M=N 时，这两个下界被一种空间高效的 BHT 实现所达到，因此在该算法类中是最优的。作为副产物，作者导出 Element Distinctness（元素唯一性判定）搜索版本的对应权衡：对 f:[n]→[n²]，任何标签对称算法必须满足 T=Ω(n^{2/3}) 且 T²S=Ω(n² log n)，与 Ambainis 量子游走算法的上界吻合，同样达到最优。技术路线上，作者发展了「空间敏感的压缩预言机（compressed oracle）」技术：压缩预言机以不断演化的数据库叠加态记录算法已学到的信息；借助标签对称性与表示论，作者证明使用 S 个量子比特的算法实际上只能有效保留约 O(S/log N) 条无碰撞数据库条目的信息，将该估计代入压缩预言机论证即得到上述权衡。该结果属于量子查询复杂度与时空下界的理论研究，作者未涉及任何具体密码系统的攻击实现或实验评估。

该论文研究容错量子计算机在运行过程中产生的遥测流（syndrome 测量、decoder 决策、reset 与时序记录）是否会泄露逻辑输入，即执行记录（execution transcript）的隐私问题。作者针对固定调度下运行 T=Θ(d) 轮的、距离为 d 的旋转 surface code 记忆体，在三个明确陈述的假设（sector-scalar honest backbone、transcript locality、Kotecky-Preiss smallness）下证明：从逻辑量子比特到 transcript 的信道，在 diamond norm 意义下与一个完全忽略输入的信道相差 e^{-Θ(d)}，即随码距指数级趋于输入无关。这类结论可由 correctability-privacy 对偶性一般性地推出。但论文强调各向异性（anisotropy）并不自动成立：每个逻辑轴必须付出其自身陪集的距离代价，因此在 amplitude damping 条件下，计算基标签的安全性由码的 Z-距离 d_Z≥d_min 决定，而不是由码距离 d_min 决定，二者可以相差很大。作者用两个量子距离均为 1 的码把这一差距具体化：phase-flip 码的 X-syndrome transcript 在未被观测的 damping 下精确地与输入无关，而 repetition 码则在一阶就发生泄露。一个匹配的逆命题（converse）进一步刻画了哪些记录确实会暴露输入，其中包含 lattice-surgery 奇偶读出。实验方面，作者在 156 量子比特超导处理器上评估其充分性证明条件，发现该证书的裕度差了 21.5 倍，因此在该硬件上无法直接引用该定理。直接测量则显示：在随机化、标签均衡的采集下，d_Z=1 的记忆体的记录可以以总变差 ≥0.927 识别其输入。固定码、改变 damping 暴露程度，实验结果复现了一个无参数的理论定律，实测指数为 0.85±0.03，与预测值 0.86 相符。最后，随机化编码可以在不增加任何双量子比特门成本的前提下，把该统计量压回噪声底线。总体结论是：容错本身并不授予 transcript 隐私，它只是把隐私的位置重新安排，并且只保护到逻辑态层面，而不保护电路自身身份。

该论文提出一个可在极低深度量子电路中求解、但在标准格基假设下对经典多项式时间算法困难、且可由经典计算机高效验证的采样问题。作者给出了两种量子实现：一种使用对数对数深度（log-log-depth）的量子电路（QNC^0[log log]），另一种使用具有无界扇入门（unbounded fan-in gates）的常数深度量子电路（QAC^0）。该构造可视为将 Arabadjieva 等人（2025）基于 LWE 的单轮量子性证明（proof of quantumness）编译到极低深度。为此付出的代价是依赖更强但动机合理的假设：除原始论文的格知识假设外，还需 LWE 的自适应硬核比特性质的一个强化版本，论文为该性质提供了支持性证据。与以往的低深度量子性证明不同，本方案中的量子计算不需要中间电路测量或前馈，只需运行浅电路并从输出分布中采样。结果表明，浅层量子电路具有足够结构来解决某些经典困难任务，且其解可被高效验证。该成果对量子优势的可验证性、浅层量子计算能力以及后量子密码学中的理论建模均有意义。适合量子计算理论、计算复杂性、量子密码学与可验证量子计算方向的研究者阅读。

该论文系统性地分析了量子计算对主流区块链平台的密码学威胁，并探讨了向后量子密码(PQC)迁移的可行路径。研究指出，依赖椭圆曲线密码(ECC)的区块链系统在量子计算机面前具有根本性脆弱性，特别是Shor算法可高效破解基于离散对数的密钥。作者将攻击分为三类：静态攻击(at-rest)、花费时攻击(on-spend)和部署时攻击(on-setup)，并分别评估了比特币、以太坊和Solana等平台的风险暴露面。其中，静态攻击主要影响未花费的交易输出(UTXO)和账户余额，一旦量子计算机拥有足够量子比特，可能导致用户资金被盗；花费时攻击则针对交易签名过程，需要用户主动暴露公钥；部署时攻击涉及智能合约和链上验证逻辑。论文还对比了NIST已标准化的后量子签名方案(如ML-DSA、SLH-DSA)在区块链场景中的适用性，并特别讨论了Solana的Winternitz签名方案、Algorand的临时密钥机制以及以太坊的Verkle树和签名聚合方案等新兴对策。作者强调，迁移路径不仅涉及签名算法的替换，还需考虑共识机制、交易格式、跨链兼容性和社会协调成本。该论文的主要贡献在于提供了从量子威胁建模到实际迁移策略的综合框架，并指出了区块链生态系统中优先级最高的改造组件。适合区块链开发者、密码学工程师以及关注量子安全的决策者阅读。

本文研究带结构噪声的奇偶校验学习问题（LPSN），该问题可归约为求解非线性布尔系统。在量子计算中，此类系统通常被转化为 Macaulay 线性系统，并借助量子线性系统算法求解，但该过程严重受制于条件数（condition number）。为克服这一瓶颈，作者提出一种针对 Macaulay 线性系统的全新归约方法。在 Ding 等人的假设下，他们推导了一个包含缩放因子的条件数下界，该归约不仅保证了高效的量子态制备，还相对于归约后的右侧向量展现出条件数区间上的显著优势，从而降低了条件数的下界并优化了求解布尔系统的量子算法时间复杂度的上界。此外，将该改进的量子算法应用于 LPSN，利用 Macaulay 系统的解结构可显著降低样本复杂度。作者进一步给出逻辑级量子资源估算，证明优化条件数可直接转化为电路宽度、深度和门数量的减少。最后，他们通过系统比较量子与经典方法在噪声模式适应性、样本复杂度和时间复杂度方面的表现，建立了算法选择策略，结果表明在特定参数区间内该量子算法具有超越经典算法的潜力。

该论文针对分布式量子计算中连续变量量子信息的聚合问题展开研究。在连续变量相位空间中，逻辑量子信息通常以非高斯态（如Gottesman-Kitaev-Preskill，简称GKP）编码，但被动线性光学无法有效处理此类状态的聚合，原因在于辛格晶格压缩和纠缠引起的退相干效应。作者提出一种基于主动测量和测量反馈的框架，实现对多节点GKP状态的同态聚合。具体而言，利用GKP贝尔态和零差前馈，构造了一个完全正保迹映射，该映射能够计算分布式状态的逻辑和，同时在可校正的有限压缩形变范围内保持逻辑码空间的几何结构。论文证明该协议可视为一种近似量子非破坏测量，分析了其在连续一次性密码本下的密码学泄漏界限，并在有限压缩条件下推导了逻辑保真度的解析极限。该工作为分布式量子计算中的逻辑信息处理提供了新的理论方案，并为量子网络中的安全聚合协议奠定了基础。适合量子信息科学、量子计算以及量子密码学方向的研究人员阅读。

本文研究量子计算中的酉算子合成问题。该问题由Aaronson和Kuperberg于CCC 2007年提出，核心是判断是否每个n量子比特酉算子U都能通过相对于某个依赖于U的经典预言机的高效量子电路来计算。最近，Lombardi、Ma和Wright（STOC 2024）证明了Haar随机酉算子无法被仅进行1次查询或多项式次并行查询任意经典预言机的算法高效合成。本文在此基础上，对多个变体进行了系统的困难性与易处理性分析，主要贡献包括：（1）1查询与2查询酉合成的显式分离：作者证明合成随机置换酉算子和随机交替基相位酉算子需要至少1次查询的下界，而这些酉算子具有高效的2查询合成算法，从而为“显式”酉算子族提供了查询复杂度的分离。（2）复相位酉算子的上界：对于形式为|x⟩→α_x|x⟩的复相位酉算子，已知存在简洁的2查询合成算法，但未发现明显的1查询算法。本文证明存在相对于二进制相位预言机的1查询算法，可在钻石距离下常数逼近这类酉算子。（3）为证明下界，作者引入了两个新的密码学博弈：预言机态搜索博弈和预言机Choi态博弈。与先前工作相比，该框架在数学上更简单、更具灵活性，并能更精确地刻画非完全随机酉算子的合成难度。（4）利用搜索博弈，作者还证明了量子程序（即相对于量子建议合成酉算子）对相位酉算子的近似困难性新结果，给出了1查询酉合成与量子程序之间更尖锐的分离。这些结果加深了对量子计算中酉合成问题计算复杂性的理解，为量子算法设计与复杂性理论提供了新的技术工具。

量子错误缓解（QEM）是降低量子硬件噪声、避免空间开销的关键工具，但其可靠性依赖于噪声建模、标定与具体实现，因此在不可信量子硬件上的端到端安全性长期未得到解决。本文提出可验证的盲概率错误消除（VBPEC），这是首个在完全恶意敌手模型下集成QEM的、具备安全验证功能的协议。VBPEC将概率误差消除（PEC）这一广泛研究的QEM技术纳入可组合安全框架：通过在抽象密码学框架中将委托缓解形式化为密码学资源，VBPEC实现了完美盲化（即服务器无法获知客户端实际计算内容）以及指数小的安全误差。该协议继承了近期统计安全验证量子计算协议以及PEC的零量子空间开销，唯一额外开销来自QEM过程所需的重复采样。为达到这一目标，作者将基于陷阱的验证从确定性的通过/失败检查扩展为借助QEM受益的统计检验，并开发了一套新的证明技术来处理相应增加的偏差源。与仅容忍固定阈值下诚实噪声的方案不同，VBPEC主动消除噪声，使得经过正确缓解的估计结果能够以高概率被接受，同时不损害安全性。该工作为近未来量子硬件上安全、可靠且实用的委托量子计算建立了关键路径，从根本上提升了量子计算验证的实用性。本文主要面向量子密码学、量子计算安全以及量子云服务可靠性方向的研究人员。

该论文探讨了如何将整数分解问题转化为二元优化问题，并尝试使用Pauli关联编码（PCE）算法进行求解。整数分解是RSA等公钥密码学的基础问题，在经典计算机上被认为是困难的，而量子计算提供了一种潜在的加速途径。然而，现有量子因子分解算法（如Shor算法）需要大量量子比特，在近期量子硬件上难以实现。PCE算法具有压缩能力，可以大幅减少所需量子比特数。本文 proposes 将因子分解问题编码为PCE框架中的优化问题，通过量子系统动力学分析候选因子关系。研究者描述了算法设计、与现有量子方法的概念联系，以及在当前或近未来量子硬件上实现的实践约束。初步观察表明，该方法可能为量子计算中的因子分解提供新视角，但本文未宣称计算优势，仅作为探索性贡献。论文适合量子算法研究人员和计算数论学者阅读。

该论文系统性地研究了变分量子本征求解器（VQE）的对抗鲁棒性问题。VQE是近期量子硬件上估算分子基态能量的领先算法，广泛应用于量子化学、材料科学和药物发现。随着VQE工作负载通过基于云的'VQE即服务'管道部署，它面临来自受损服务组件、恶意共租户或编译栈内部人员的攻击风险，这些攻击可能在使用户获得结果之前篡改结果。尽管已有针对变分量子电路的多种攻击提出，但每个攻击都是在孤立场景下研究的：有些针对量子分类器使用准确率指标，有些针对变分量子算法使用能量误差指标。缺乏统一的评估框架导致不同攻击的相对严重性难以比较，VQE的安全性特征尚不明确。为此，本文提出了VQE-AdvBench，这是第一个针对VQE的统一红队测试基准，将多种攻击纳入单一评估协议以严格评估VQE的对抗鲁棒性。论文按照黑盒、灰盒和白盒访问权限对攻击进行分类，并在固定分子-ansatz-后端-度量配置下，针对H₂和H₃⁺分子在五个噪声校准的IBM后端上评估了七种代表性攻击场景：QTrojan电路后门、QDoor参数后门、FGSM和PGD的参数空间适配版本，以及三种QNBAD噪声诱导变体。实验结果揭示了明确的严重性排序：操纵零噪声外推（ZNE）管道的噪声诱导攻击最具破坏性（误差放大达8.84倍），其次是QTrojan电路级后门（7.52倍），而QDoor参数级后门效果最弱（仅1.37倍放大）。该工作为量子机器学习安全领域提供了首个系统性基准，对保护基于云的量子计算服务具有重要参考价值。

该论文系统地分析了基于样本的量子对角化（Sample-based Quantum Diagonalization, SQD）方法在硬件实现中的鲁棒性。SQD 是一种混合量子-经典方法，它用基于量子处理单元（QPU）采样结果的自洽恢复循环替代了变分优化。尽管 SQD 被认为对噪声样本和不完美的经典输入具有鲁棒性，但其在实际部署中的鲁棒性尚未得到系统分析。因此，预算（shot budgets）、量子比特布局、噪声缓解策略以及初始化 Ansatz 的耦合簇单双（CCSD）振幅等参数往往缺乏明确的实验指导。论文在 IBM Heron 硬件上对 SQD 的鲁棒性进行了分析，涉及这些维度。实验发现：结构化的 CCSD 振幅扰动（包括完全归零）仅导致与清洁基线相比适度的能量偏移；不同布局和噪声缓解设置之间的差异在第一次恢复迭代中较大，但在几次迭代后迅速缩小；精度在中等预算时达到饱和，而过大的预算反而略微恶化恢复的能量，这可能是由于工作集选择限制了额外样本的价值。这些结果揭示了 SQD 在哪些方面提供了真正的部署鲁棒性，以及其局限所在。适合量子计算研究者和基于硬件的算法设计者阅读。

该论文首次提出针对容错量子计算机中解码系统的侧信道攻击新类型。在容错量子计算中，解码器负责处理从量子硬件实时获取的综合征数据以纠正错误。然而，论文指出这些综合征数据可能泄露正在执行的逻辑电路信息，从而构成侧信道攻击。作者引入了“门指纹”概念，即综合征数据中能指示特定逻辑运算的独特模式。通过聚焦于表面码中的Clifford+T计算，他们展示了不同逻辑操作如何在综合征数据中产生可区分的指纹。进一步，论文探讨了如何利用这些指纹推断量子计算机上运行的电路或算法。实验表明，解码系统可成为攻击向量。因此，建议解码系统应由可信方构建或加强安全防护。该研究对量子计算安全领域具有前瞻意义，适合量子安全研究人员和量子计算机架构开发者阅读。

本文针对量子计算机对当前广泛使用的密码算法构成的威胁展开研究。量子计算机凭借其实现新型密码分析的能力，可能在未来十年内对现有加密体系造成颠覆性影响，且由于“先收集后解密”的攻击行为模式，当前即需采取缓解措施。尽管近年来密码学与安全架构的进步为设计能够抵御量子密码分析的系统提供了可能，但关于如何推导此类系统的容差量仍存在文献空白。本文提出了“旋转时间”（rotation time）这一概念，用以量化密码敏捷性（crypto agility），并推导出旋转时间容差与安全风险容差之间的近似关系。作者利用历史CVE数据计算了旋转时间容差的示例值，发现其量级约为数小时至数天。研究表明，将密码敏捷性与混合加密相结合是设计抗量子系统的有效途径，但为满足组织的风险容差，可能需要面对具有挑战性的技术和运维容差。该工作填补了抗量子系统设计中容差量化方法的空白，为安全架构师和策略制定者提供了实用的度量工具。

本文提出并探索了“隐蔽量子计算”（covert quantum computing）这一新概念，旨在解决多租户量子云平台中用户隐私保护问题。当多个用户共享同一个量子处理单元（QPU）时，传统安全假设不足以防止恶意租户通过检测量子计算单元（QCU）上的活动来推断其他用户的秘密操作。作者借鉴隐蔽通信的信息论思想，但因其面临的情景更加复杂——攻击者拥有对部分QCU的控制权并可进行自适应操作——故采用量子博弈论和记忆信道鉴别中的“量子策略”框架进行隐蔽性分析。当前量子计算机采用平面图电路布局并假设最近邻串扰（nearest-neighbor crosstalk）为主。通过推导离散等周不等式，作者发现：在n量子比特电路中，仅边界（border）上的O(√n)个量子比特会向攻击者泄露检测信息。为验证这一标度律，他们在IQM的54量子比特Emerald处理器和IBM的156量子比特ibm_fez（基于Heron 2架构）上进行了实验：对未参与计算的量子比特执行Ramsey实验，检测到了预期的最近邻串扰；然而，他们还观察到超出边界量子比特的长程耦合效应，这揭示了攻击者可利用的侧信道。作者推测这种长程串扰源于驱动线和控制线的泄漏。该现象不仅削弱了隐蔽性，还使共租户暴露于恶意或无意的串扰下，并损害跨越空间分布量子比特的电路质量。因此，文章呼吁进一步研究空间隔离和串扰表征。本文的主要贡献在于：1）形式化定义了隐蔽量子计算问题并建立分析框架；2）从理论上推导了边界缩放定律；3）实验发现了意外的长程串扰，揭示了实际量子处理器中的安全隐患。适合量子计算安全、量子云平台架构、硬件设计研究人员以及关注量子侧信道的安全从业者阅读。

本文针对网络入侵检测系统（NIDS）可解释性不足的问题，提出了一种基于量子优化的子群发现（Subgroup Discovery, SD）方法。传统NIDS虽然准确率高，但难以解释检测结果，而SD通过构建可解释规则来刻画攻击流量中的特征交互。然而，面对大规模数据集时，经典启发式束搜索（Beam Search）面临指数级搜索空间和关键多特征交互被剪枝的问题。本文首次将SD形式化为量子优化问题，采用二次无约束二元优化（QUBO）编码特征选择，并使用量子近似优化算法（QAOA）在IBM量子硬件（ibm_pittsburgh）上求解，以识别区分正常与攻击流量的网络特征子群。具体地，利用最小二乘回归QUBO公式来拟合特征子集上的加权相对准确性（WRAcc）景观，并通过代理采样处理更大型的QUBO。实验基于NSL-KDD数据集，以穷举枚举和束搜索为基准，对比哈密顿量质量和WRAcc比值。在10-30量子比特的硬件扩展实验中，深度p=1的QAOA在10量子比特时WRAcc比为0.983，15量子比特为0.971，20量子比特为0.855，25量子比特为0.624，而30量子比特时因电路噪声主导降至0.039，确立了NISQ设备的经验扩展边界。结果表明，QAOA发现的子群与经典启发式方法性能相当，并能找到贪婪束搜索剪枝的多特征交互模式；QAOA独有的子群在测试集上达到了最高99.6%的精确率。本文为网络安全领域中的量子组合优化建立了框架，并刻画了NISQ设备的硬件扩展特性。