Thales, Zetane et Polytechnique Mtl | Détection d’anomalies dans les données réseaux

L'objectif du projet est de concevoir et développer un cadre logiciel pour la détection des anomalies réseau en utilisant différents modèles d’apprentissage automatique quantique, notamment les qGANs, les méthodes à noyaux et les réservoirs quantiques.

D’une durée de 3 ans, le projet est une collaboration entre Thales, Zetane Systems, Polytechnique Montréal ainsi que l’Université de Sherbrooke.

Résultats

1. Kalfon, Benjamin, et al. "Successive data injection in conditional quantum GAN applied to time seriesanomaly detection." IET Quantum Communication, (2024).
2. Vieloszynski, Alexis, et al. "LatentQGAN: A HybridQGAN with Classical Convolutional Autoencoder." 2024 IEEE 10th World Forum on Internet of Things(WF-IoT). IEEE, (2024).
3. Aaraba, Abdallah, et al. "QuaCK-TSF: Quantum-Classical Kernelized Time Series Forecasting." 2024 IEEE International Conference on Quantum Computing and Engineering (QCE). Vol. 1 IEEE, (2024).