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。