该论文研究带结构噪声的奇偶性学习问题（LPSN）如何通过量子计算获得优势。LPSN 可归约为求解非线性布尔系统，在量子计算中通常被转化为 Macaulay 线性系统，并用量子线性系统算法求解，但该过程的效率严重受制于矩阵的条件数。作者提出一种新的 Macaulay 线性系统约简方法：在 Ding 等人的假设下，推导了一个包含缩放因子的条件数下界。该约简不仅保证了量子态制备的高效性，还相对于约简后的右侧向量展现出条件数区间上的独特优势，从而降低条件数的下界，最终优化了求解布尔系统的量子算法时间复杂度上界。将改进后的量子算法应用于 LPSN，利用 Macaulay 系统的解结构显著降低了样本复杂度。作者进一步给出了逻辑级量子资源估计，证明优化的条件数可直接转化为电路宽度、深度和门数的减少。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上的表现，提出了一种算法选择策略。结果表明，在特定参数区间内，所提出的量子算法有潜力超越经典算法。

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。