Benchmarking quantum machine learning for quantum cybersecurity

This thesis inquires the QAOA as a suitable quantum machine learning algorithm for cybersecurity. In the so-called NISQ era, the number of computational sources available is still too limited for scalable algorithms aimed to industrial applications. Throughout this thesis, we introduce and benchmark different techniques and architectures to efficiently compile quantum algorithms for anomaly detection applications.

La tesi esplora le potenzialità del QAOA come algoritmo di machine learning quantistico per la sicurezza cibernetica. Nella cosiddetta epoca NISQ della computazione quantistica, il numero di risorse computazionali disponibili è ancora limitato per applicare algoritmi scalabili per applicazione industriali. Nel corso della tesi, verranno introdotte e comparate differenti tecniche ed architetture per efficientare il numero di qubit a disposizione per applicazioni di anomaly detection.