Nos sistemas de comunicação quântica, ataques do tipo Black Hole Repeater (BHR) consistem em repetidores maliciosos que introduzem erros ou falsificam métricas, degradando a eficiência quântica enquanto permanecem indetectáveis por métodos convencionais. Propõe-se um Sistema de Detecção de Intrusão baseado em Random Forest, validado sobre um dataset de 3.000 amostras simulando cenários normais, falhas de infraestrutura e ataques BHR sob agressividade dinâmica. Sob validação cruzada estratificada (10-Fold), o modelo obteve acurácia de 0,95±0,01 e revocação de 0,93 ± 0,02. A comparação estatística pareada de Wilcoxon indicou que arquiteturas complexas (Random Forest, SVM, XGBoost e MLP) possuem desempenho equivalente e satisfatório (p > 0,05), ao passo que a Regressão Logística falhou integralmente na mitigação. Esse fracasso absoluto da abordagem linear comprova matematicamente que a assinatura do BHR é estritamente não-linear, exigindo modelos heurísticos capazes de correlacionar ineficiência operacional furtiva com a exaustão de recursos logísticos (consumo anômalo de pares EPR).
Nos sistemas de comunicação quântica, ataques do tipo Black Hole Repeater (BHR) consistem em repetidores maliciosos que introduzem erros ou falsificam métricas, degradando a eficiência quântica enquanto permanecem indetectáveis por métodos convencionais. Propõe-se um Sistema de Detecção de Intrusão baseado em Random Forest, validado sobre um dataset de 3.000 amostras simulando cenários normais, falhas de infraestrutura e ataques BHR sob agressividade dinâmica. Sob validação cruzada estratificada (10-Fold), o modelo obteve acurácia de 0,95±0,01 e revocação de 0,93 ± 0,02. A comparação estatística pareada de Wilcoxon indicou que arquiteturas complexas (Random Forest, SVM, XGBoost e MLP) possuem desempenho equivalente e satisfatório (p > 0,05), ao passo que a Regressão Logística falhou integralmente na mitigação. Esse fracasso absoluto da abordagem linear comprova matematicamente que a assinatura do BHR é estritamente não-linear, exigindo modelos heurísticos capazes de correlacionar ineficiência operacional furtiva com a exaustão de recursos logísticos (consumo anômalo de pares EPR).
As redes quânticas oferecem uma segurança sem precedentes ao utilizarem protocolos baseados em entrelaçamento e repetidores quânticos confiáveis para viabilizar aplicações como distribuição de chaves quânticas e computação quântica distribuída. Contudo, à medida que essas redes evoluem, novas vulnerabilidades operacionais e de controle emergem, podendo ser exploradas por adversários. Entre essas vulnerabilidades, destacam-se ataques sutis ao processo de troca de entrelaçamento e a manipulação de métricas de desempenho, que representam desafios significativos para a integridade e a eficiência das redes. Este estudo explora uma classe relativamente pouco investigada de ameaças: os ataques Black Hole Repeater. Esses ataques envolvem nós maliciosos que deliberadamente introduzem erros ou falsificam métricas, comprometendo a taxa de sucesso das operações quânticas e gerando ineficiências no uso de recursos, ao mesmo tempo que permanecem indetectáveis por técnicas tradicionais de monitoramento, como a tomografia quântica. Por meio de simulações realizadas em diversas topologias de rede, demonstra-se o impacto potencial desses ataques em métricas-chave de desempenho, destacando a necessidade de soluções adaptativas de monitoramento e arquiteturas resilientes para aprimorar a segurança das redes quânticas.
As redes de entrelaçamento quântico representam tecnologias de ponta com aplicações críticas em comunicação segura. No entanto, sua dependência da confiança incondicional nos repetidores quânticos introduz vulnerabilidades potenciais a ataques de terceiros. Notavelmente, o Ataque de Sequestro Quântico (Quantum Hijacking Attack) e o Ataque do Buraco Negro Quântico (Quantum Black Hole Attack) têm ganhado destaque por explorarem essa fragilidade baseada na confiança. Este estudo analisa os mecanismos por trás desses ataques, com ênfase especial no Ataque do Buraco Negro Quântico, e destaca as limitações dos métodos atuais baseados em tomografia na detecção eficaz dessas ameaças.
Este trabalho investiga o uso de métodos de aprendizado de máquina, tanto supervisionado quanto não supervisionado (Análise de Componentes Principais), para o estudo de fases magnéticas em simulações de modelos do tipo Ising. Uma rede neural foi treinada para determinar a probabilidade de uma configuração de spins, em uma rede quadrada de dimensão LxL, estar em uma fase paramagnética ou ferromagnética, visando identificar a temperatura crítica de transição entre essas fases. Gerando dados de treinamento e teste via método de Monte Carlo em uma rede a duas temperaturas distintas, o método supervisionado foi aplicado inicialmente, onde os resultados indicaram um ponto de cruzamento nas curvas de probabilidade das fases, evidenciando um comportamento quase simétrico entre as fases em relação à temperatura e determinando a temperatura crítica nesse ponto de cruzamento. Posteriormente, no método de Análise de Componentes Principais, desenvolveu-se o modelo Ising com parâmetro de ordem constante, isto é, a magnetização é constante à medida que a temperatura varia, a rede quadrada de spins foi submetida a Dinâmica de Kawasaki e com isso foi obtido resultados satisfatórios para temperatura crítica. Concluiu-se que o método supervisionado de aprendizado de máquina, que consistiu em treinar uma rede neural a fim de identificar configurações de spins obtidas através de simulações de Monte Carlo do modelo de Ising, demonstrou eficácia na detecção da temperatura crítica do modelo, apresentando resultados ligeiramente superiores ao valor exato de 2.269. Essa discrepância é atribuída ao fato de a temperatura crítica exata ser válida para redes de tamanho infinito, enquanto redes de tamanho finito tendem a exibir uma temperatura crítica ligeiramente mais elevada. Por outro lado, foi utilizado uma ferramenta de aprendizado não supervisionado chamada método PCA (Análise de Componentes Principais) a fim de classificar as diferentes fases e a região de criticidade do Modelo de Ising COP. Este modelo difere do Ising tradicional pois apresenta a magnetização constante para toda temperatura. Portanto, a técnica PCA foi adequada para estudar este modelo, uma vez que não é possível construir um parâmetro de ordem que possa identificar a transição entre a fase ordenada e desordenada. Por conseguinte, os gráficos da distribuição dos dados transformados conseguiram identificar os dados que correspondem a fase ordenada, desordenada e a região de transição ou criticidade.
Neste trabalho investigamos a confiabilidade de métodos aproximados na detecção de transições de fase quânticas em sistemas unidimensionais descritos pelo modelo de Hubbard. Realizamos uma comparação entre o Grupo de Renormalização da Matriz Densidade (DMRG), praticamente exato mas de alto custo computacional, e a Teoria do Funcional da Densidade (DFT), de menor custo e elevada escalabilidade. Para o modelo homogêneo mostramos que a DFT apresenta maior precisão para a entropia média de emaranhamento do que para a energia do estado fundamental, que por sua vez supera a performance para o perfil de densidade, e que todos os desvios diminuem com o aumento do tamanho da cadeia. Em cadeias finitas, as discrepâncias mais relevantes surgem próximas ao semipreenchimento devido às oscilações de Friedel, enquanto sob confinamento harmônico a DFT descreve bem fases metálicas, mas falha em fases isolantes, ao passo que a média do emaranhamento evidencia de forma mais clara as transições de fase. Na sequência avaliamos medidas alternativas de emaranhamento, constatando que a entropia linear é inadequada em baixas densidades, podendo levar a diagnósticos incorretos de máximos e mínimos, enquanto a entropia típica se mostrou sensível à perda coletiva de correlações, mas tende a antecipar mínimos críticos e subestimar correlações residuais, sugerindo um papel complementar em relação à entropia média. Por fim, otimizamos os expoentes do funcional da densidade FVC para a energia do modelo de Hubbard para melhorar simultaneamente a energia e sua segunda derivada em relação à magnetização, associada à susceptibilidade magnética. Embora a otimização tenha reduzido o erro médio relativo da energia, os desvios da segunda derivada permaneceram elevados, revelando limitações estruturais do funcional e indicando a necessidade de novas formulações capazes de descrever de forma robusta a susceptibilidade magnética em sistemas unidimensionais.
A aprendizagem de máquina quântica é um campo em rápido crescimento e tem surgido como uma alternativa à aprendizagem de máquina clássica para impulsionar a busca por soluções eficientes para certos problemas. Além disso, o avanço da tecnologia em Computação Quân- tica trouxe possibilidades para a execução de algoritmos em dispositivos quânticos reais. Aqui, centramos nossa pesquisa no estudo de uma das tarefas mais comuns dentro da aprendizagem de máquina, a classificação supervisionada. Nos nossos estudos, limitamos a temática para os classificadores quânticos baseados em distância, visando a execução dos mesmos em disposi- tivos quânticos ruidosos de escala intermediária (Noisy Intermediate-Scale Quantum (NISQ)). Embora algoritmos quânticos anteriores para classificação baseada em distância tenham se mostrado promissores, muitos deles não são adequados com os dispositivos NISQ e não con- seguem lidar com problemas envolvendo múltiplas classes. O Hadamard Classifier (HC) é um modelo quântico de aprendizagem de máquina baseado em distância para reconhecimento de padrões. A partir dele, desenvolvemos dois classificadores quânticos baseados em distância para execução em dispositivos NISQ: o primeiro deles, Quantum One-Class Classifier (QOCC), é um modelo de classificação elementar. Nosso objetivo com o QOCC é oferecer um classi- ficador que consuma menos recursos computacionais quânticos, estando menos propenso aos erros provenientes de ruídos, ao mesmo tempo em que possui desempenho competitivo quando comparado a análogos clássicos. Os resultados obtidos nos experimentos com o QOCC foram promissores e confirmaram um desempenho equiparável tanto contra classificadores clássicos quanto contra o HC, mesmo usando menos qubits (bits quânticos) e menos operações quânti- cas. Em seguida, focamos nossos esforços em utilizar o QOCC como base para um classificador multiclasse. Nossa motivação para isso consistiu na carência desse tipo de classificador na li- teratura da aprendizagem de máquina quântica e na impossibilidade atual de executar, em dispositivos NISQ, algumas rotinas presentes nos classificadores multiclasse existentes. Propo- mos o quantum Variational Distance-based Centroid Classifier (qVDCC), que faz uso da teoria dos circuitos quânticos variacionais para, em um esquema híbrido de computação quântica- clássica, realizar a classificação de bases de dados multiclasse. Essa abordagem nos permitiu utilizar o maquinário bem-estabelecido da aprendizagem de máquina clássica para encontrar e otimizar centroides artificiais para as bases de dados que minimizassem suas distâncias para os demais dados da respectiva classe. Simulamos o funcionamento do qVDCC em dois ambientes distintos: primeiramente em uma simulação ideal (livre de erros); em seguida, em um uma simulação ruidosa que mimetiza um dispositivo NISQ. Mais uma vez, nossos resultados se mostraram promissores e competitivos em relação aos classificadores clássicos.
Resumo: Nesta tese estudamos correlações quânticas e os efeitos do ambiente em sistemas de dois qubits. Nossa análise se divide em dois aspectos principais: (i) estudo da hierarquia entre correlações quânticas, e (ii) análise do fluxo de correlações em sistemas tripartidos. Para o estudo da hierarquia, analisamos as seguintes correlações: discórdia quântica generalizada, emaranhamento, direcionamento EPR e não-localidade de Bell para estados X com marginais maximamente misturadas. Para introduzir o direcionamento EPR nessa análise, propomos um quantificador para sistemas gerais de dois qubits nos cenários de duas e três medições por sítio, baseado em desigualdades de direcionamento EPR bem estabelecidas. Além disso, estudamos a robustez das correlações sob canais de ruído, encontrando uma cronologia de mortes e ressurgimentos súbitos. Analisamos o fluxo de correlações em dois diferentes contextos. No primeiro, investigamos a dinâmica de informação entre as partes de sistemas tripartidos através de resultados envolvendo a monogamia da informação mútua. Em particular, encontramos um cenário típico no qual informação local tende a ser convertida em informação delocalizada. Ademais, calculamos analiticamente uma quantidade capaz de revelar regimes favoráveis para não-Markovianidade no nosso modelo. Numa segunda análise, baseada na dinâmica exata de um sistema de dois qubits e o ambiente, dado por um banho térmico usual de osciladores harmônicos, derivamos critérios de separabilidade e emaranhamento entre um estado X inicial e o ambiente, não encontrando nenhuma relação entre a perda de emaranhamento no sistema (de dois qubits) e o surgimento de emaranhamento entre o sistema e o ambiente.