Machine learning quantique : un nouvel outil dans le casier de la cybersécurité

  • L’informatique quantique menace tous les protocoles de cybersécurité actuels.
  • Mais l’apprentissage automatique quantique, avec sa capacité à traiter d’énormes ensembles de données, pourrait fournir des formes de cybersécurité plus solides.
  • Les organisations devraient commencer une planification à long terme pour le nouveau paysage quantique.

Alors que l’informatique quantique devient une réalité, nous assistons à la formation de l’économie quantique. Plusieurs entreprises proposent déjà le quantum-as-a-service et le quantum-in-the cloud. Cependant, l’écosystème comprendra bientôt de nombreux services supplémentaires, tels que l’optimisation des circuits quantiques ou les conseillers en efficacité. Nous verrons des modèles commerciaux et des industries, ainsi que des technologies secondaires et des offres de produits, construits sur cette base. Les prix vont baisser et la disponibilité va augmenter, y compris une réduction des barrières à l’entrée.

L’informatique quantique aura un impact significatif sur plusieurs industries – y compris la finance, où les institutions amélioreront leurs prévisions financières actuelles avec les technologies quantiques ; et pharmaceutique, où la découverte et l’optimisation de médicaments seront améliorées en effectuant des simulations avec des ordinateurs quantiques. L’informatique quantique est un nouveau paradigme et représente une façon révolutionnaire de poser des questions et de construire des solutions. De nombreuses nouvelles approches seront construites dessus, et cela entraînera de vastes changements dans de nombreux domaines.

Pour plusieurs raisons, la combinaison de l’informatique quantique avec l’apprentissage automatique (ML), l’apprentissage automatique quantique (QML), a un potentiel très élevé. Les deux domaines sont caractérisés par l’incertitude, un inconvénient qui se transforme en une force dans le domaine quantique. L’imprécision interne de l’apprentissage automatique permet de calculer des résultats autrement inaccessibles en termes de volume d’entrée et de vitesse de calcul – en plus d’un domaine d’application qui présente de hauts niveaux d’ambiguïté (par exemple, dans la classification d’images, les concepts de « chat » et « chien » ne sont pas bien définis). La nature probabiliste de l’informatique quantique, qui est un obstacle critique à de nombreux algorithmes, s’harmonise bien avec ces propriétés. Pour ces raisons, QML est en passe de devenir l’une des premières applications de l’informatique quantique en dehors du milieu universitaire. En conséquence, les parties prenantes du monde universitaire, de l’industrie et du gouvernement manifestent déjà un intérêt considérable pour l’apprentissage automatique quantique.

Cybersécurité quantique

La cybersécurité est faible dans notre écosystème numérique. Les entreprises et les gouvernements sont déjà confrontés à de nombreuses menaces et luttent pour assurer la sécurité de leurs environnements informatiques. Conceptuellement, ces menaces incluent des acteurs malveillants bien financés et profondément motivés, le crime en tant que service, ainsi que des activités parrainées par l’État – y compris, par exemple, le terrorisme, la cyberguerre et l’espionnage industriel.

L’informatique quantique a le potentiel d’aggraver la situation. L’ajout de capacités d’informatique quantique à la menace pourrait rendre les acteurs malveillants encore plus efficaces. Par exemple, les nouvelles options de calcul offertes par l’informatique quantique pourraient faciliter la recherche de failles de sécurité exploitables ou tromper les modèles ML et QML existants dans un comportement souhaité par l’attaquant.

Pourtant, le tableau n’est pas entièrement sombre. L’intelligence artificielle et l’apprentissage automatique sont utilisés depuis un certain temps pour atteindre les objectifs de cybersécurité et pour se protéger contre les menaces. Le ML peut détecter un comportement anormal ou identifier des e-mails malveillants ou du code exécutable. La plupart du temps, ces applications nécessitent d’énormes quantités de données pendant la phase d’apprentissage. Par conséquent, le ML traditionnel pour la cybersécurité est très gourmand en ressources et coûteux. Cependant, les innovations de la dernière décennie, que ce soit dans le matériel (comme les unités de traitement de tenseurs) ou dans les modèles d’IA (comme ChatAI et ImageAI sous diverses formes et saveurs), ont réduit le coût du ML, rendant ainsi le développement des produits du marché plus durable.

L’apprentissage automatique quantique a le potentiel de générer des avantages d’efficacité significatifs pour la phase de formation du modèle, faisant du ML un outil de sécurité plus efficace. En raison d’aspects inhérents à l’informatique quantique comme l’intrication et la superposition, le traitement d’énormes ensembles de données peut être facilité et simplifié. Bien que le problème encore non résolu de l’encodage et du chargement des données dans un ordinateur quantique entrave actuellement le traitement de gros volumes de données avec un ordinateur quantique, nous nous attendons à ce que l’industrie surmonte ces défis au cours de la prochaine décennie.

Apprentissage automatique dans le monde réel

Dans le milieu universitaire, la cybersécurité QML a progressé sur la base de simulations. Cependant, à un moment donné, les simulations sont insuffisantes et des tests en conditions réelles sont nécessaires. La détection des spams dans les e-mails peut être considérée comme une référence : elle est bien comprise, pas trop complexe et dispose d’une grande quantité de données de formation utiles. En collaboration avec Fraunhofer IAIS, Capgemini a utilisé un véritable ordinateur quantique pour effectuer le filtrage du spam. Bien que cette méthode ne soit pas actuellement rentable, elle démontre ce qui est possible, ainsi que les avantages et les inconvénients de l’utilisation des dispositifs quantiques actuels pour la cybersécurité QML.

On peut prévoir d’autres utilisations de l’apprentissage automatique quantique dans la cybersécurité, comme la cartographie des infrastructures critiques ou l’écosystème cybercriminel. La combinaison de ces applications fera de QML un outil très efficace pour les défenseurs.

Garder une longueur d’avance sur la courbe quantique

Compte tenu de l’état actuel de l’informatique quantique, les entreprises de cybersécurité n’ont pas besoin de créer des plans concrets pour intégrer l’informatique quantique dans les opérations commerciales quotidiennes dans un avenir proche. Cela dit, l’écosystème de l’informatique quantique évolue, avec des avancées récentes significatives (comme la présentation par Google du premier algorithme de correction d’erreurs quantiques) et des produits (comme la puce Osprey d’IBM à 433 qubits). Dans le même temps, les projets de recherche franchissent la barrière des expériences purement théoriques aux expériences simulées et maintenant aux expériences quantiques réelles. Non seulement ces changements signifient que nous pouvons réduire le battage médiatique de l’informatique quantique, mais aussi que nous disposerons bientôt de points de données fiables pour projeter ce que l’avenir proche réserve à l’informatique quantique.

Investir dans l’informatique quantique nécessite une réflexion à long terme ; des retours tangibles ne seront pas réalisés dans un proche avenir. Cependant, attendre que d’autres portent le fardeau comporte le risque d’être sous-préparé et en retard. La révolution imminente est susceptible de laisser rasées dans son sillage des organisations non préparées.

Découvrir

Que fait le Forum économique mondial sur la cybersécurité ?

Le Forum économique mondial Centre de cybersécurité stimule l’action mondiale pour relever les défis systémiques de la cybersécurité. Il s’agit d’une plateforme indépendante et impartiale favorisant la collaboration en matière de cybersécurité dans les secteurs public et privé. Voici quelques exemples de l’impact généré par le centre :

Formation en cybersécurité: Salesforce, Fortinet et la Global Cyber ​​Alliance, en collaboration avec le Forum, offrir une formation gratuite et accessible à la prochaine génération d’experts en cybersécurité dans le monde entier.

Cyber-résilience: En collaboration avec ses partenaires, le Centre joue un rôle central dans l’amélioration de la cyber-résilience dans de multiples secteurs : Pétrole et gaz, ÉlectricitéFabrication et Aviation.

Sécurité IdO: Le Conseil du Monde Connecté, piloté par le Forum, a établi des exigences de sécurité IoT pour les appareils destinés aux consommateurs, les protégeant contre les cybermenaces. Cette initiative appelle les principaux fabricants et fournisseurs du monde entier à donner la priorité à de meilleures mesures de sécurité IoT.

Appel de Paris pour la confiance et la sécurité dans le cyberespace: Le Forum est fier d’être signataire de l’Appel de Paris, qui vise à assurer la paix et la sécurité numériques mondiales, en soulignant l’importance de la confiance et de la collaboration dans le cyberespace.

Contactez-nous pour plus d’informations sur la façon de s’impliquer.

En conclusion, le secteur de la cybersécurité connaît des changements qui reflètent les changements dans l’écosystème numérique au sens large. Bien que nous ne puissions pas dire précisément comment QML sera intégré aux opérations de cybersécurité, nous pouvons prévoir son utilité en tant qu’outil de sécurité. Compte tenu de l’état général de la cybersécurité, il ne peut pas arriver trop tôt.