Quantum Machine Learning for cybersecurity

La cybersécurité est devenue une préoccupation majeure pour les entreprises et les organisations en raison de la croissance exponentielle des menaces en sécurité informatique. Internet est un élément critique qui est devenu un réseau universel de communication. Les attaques réseau, y compris les attaques par déni de service distribué (DDoS), sont considérées comme l’une des principales menaces en matière de sécurité et les cyberattaques les plus dévastatrices qui continuent de causer des dommages collatéraux. Conscient de ce défi, le projet se concentre sur l’exploitation du domaine émergent de l’apprentissage machine quantique (AMQ) pour révolutionner les capacités des systèmes de détection d’attaques réseau. L’intégration de l’informatique quantique avec des algorithmes d’apprentissage machine promet de créer une solution de cybersécurité qui va au-delà des approches conventionnelles. En explorant le domaine quantique, nous visons à améliorer la capacité du système à discerner et à répondre à des schémas complexes associés à des attaques réseau sophistiquées. Le projet se concentrera sur le développement et la mise en œuvre de techniques d’apprentissage machine quantique, y compris des techniques centralisées et distribuées (telles que l’apprentissage fédéré), pour l’identification des attaques réseau. Cela impliquera une approche multidisciplinaire combinant l’informatique quantique, l’apprentissage machine et l’expertise en cybersécurité.

Faculty Supervisor:

Zakaria Abou El Houda

Student:

Partner:

École nationale supérieure d'ingénieurs de Caen

Discipline:

Computer science

Sector:

Quantum Science; Cyber Security; Artificial Intelligence

University:

Université du Québec : Institut national de la recherche scientifique

Program: