본 연구에서는 변분 양자 생성기를 활용하여 악성 트래픽을 모방하는 합성 네트워크 트래픽 흐름을 생성하는 하이브리드 양자-고전 GAN(QC-GAN) 프레임워크를 제안합니다.
QC-GAN은 기존 GAN의 단점인 대량의 고차원 데이터셋 필요성, 모드 붕괴, 높은 계산 오버헤드를 줄이는 것을 목표로 합니다.
생성된 흐름은 랜덤 포레스트 분류기 및 컨볼루션 신경망 기반 분류기와 같은 고전적 침입 탐지 시스템(IDS) 모델을 사용하여 탐지 회피 능력을 테스트했습니다.