量子コンピューティングは、現在のサイバーセキュリティプロトコルのすべてを脅かします。
しかし、量子機械学習は巨大なデータセットを処理できる能力を持つため、より強固なサイバーセキュリティの形態を提供しうります。
組織は、新たな量子時代の状況に備えて、長期的な計画を開始すべきです。
量子コンピューティングが現実のものとなるにつれ、量子経済の形成が進んでいます。すでに複数の企業がサービスとしての量子（quantum-as-a-service）やクラウド上の量子（quantum-in-the cloud）を提供しています。しかし、エコシステムには、量子回路の最適化や効率化アドバイザーなど、今後さらに多くのサービスが加わるでしょう。この基盤の上に、ビジネスモデルや産業、さらには関連技術や製品が構築されていくと考えられます。価格は下がり、利用可能性は高まり、参入障壁の低下も進むでしょう。
量子コンピューティングは、金融や製薬など複数の産業に大きな影響を与えるでしょう。金融では、各機関が量子技術によって現在の財務予測を強化していくと見込まれます。製薬では、量子コンピュータによるシミュレーションを通じて、創薬と最適化が強化されると考えられます。量子コンピューティングは新たなパラダイムであり、問いを立て解決策を構築するための革命的な方法を示すものです。その上に多くの新しいアプローチが構築され、多くの分野で大きな変化をもたらすでしょう。
いくつかの理由から、量子コンピューティングと機械学習（ML）、量子機械学習（QML）を組み合わせることには非常に高い可能性があります。両分野はいずれも中核に不確実性を抱えていますが、これは量子の領域では強みへと転じる弱点です。機械学習が内包する不正確さは、入力量や計算速度の観点から、従来は到達しえなかった結果の計算を可能にします。さらに、高度な曖昧さを示す応用分野（例えば画像分類では、「猫」や「犬」という概念は明確に定義されていません）にも対応できます。量子コンピューティングの確率的な性質は、多くのアルゴリズムにとって重大な障害となっていますが、これらの特性とよく調和します。こうした理由から、QMLは学術界の外で最初に実用化される量子コンピューティングの応用の一つになりつつあります。その結果、学術界、産業界、政府の関係者はすでに量子機械学習に大きな関心を示しています。
量子サイバーセキュリティ
サイバーセキュリティは、デジタルエコシステム全体で脆弱な状態にあります。企業や政府はすでに多くの脅威に直面しており、コンピューティング環境の安全を保つことに苦慮しています。概念的には、これらの脅威には、豊富な資金と強い動機を持つ悪意のある攻撃者、サービスとしての犯罪（crime-as-a-service）、さらには国家が関与する活動などが含まれます。具体例としては、テロリズム、サイバー戦争、産業スパイ活動が挙げられます。
量子コンピューティングは、状況をさらに悪化させるおそれがあります。脅威に量子コンピューティングの能力が加わると、悪意のある攻撃者はさらに効果的になりかねません。例えば、量子コンピューティングがもたらす新たな計算手段により、悪用可能なセキュリティ上の欠陥を見つけやすくなったり、既存のMLやQMLモデルを攻撃者の望む挙動へと誘導したりすることが容易になる可能性があります。
とはいえ、状況は完全に悲観的というわけではありません。人工知能と機械学習は、サイバーセキュリティの目標を達成し、脅威から防御するために、以前から一定期間使われてきました。MLは異常な挙動を検知したり、悪意のあるメールや実行可能コードを特定したりできます。多くの場合、これらの応用では学習段階で膨大な量のデータが必要となります。その結果、従来型のサイバーセキュリティ向けMLは、非常に多くのリソースを要し、コストがかかります。しかし、この10年間のイノベーションにより、テンソル処理ユニットのようなハードウェアや、さまざまな形態・種類があるChatAIやImageAIのようなAIモデルの両面で、MLのコストが引き下げられてきました。これにより、市場向け製品の開発がより持続可能なものになっています。
量子機械学習は、モデルの学習段階に大きな効率化の利点をもたらし、MLをより効果的なセキュリティツールにする可能性があります。量子コンピューティングに内在する絡み合い（エンタングルメント）や重ね合わせといった特性により、巨大なデータセットの処理を容易にし、簡素化できる可能性があります。ただし、データを量子コンピュータにエンコードして読み込むという、いまだ解決されていない課題が、現時点では大量のデータを量子コンピュータで処理する上での障害となっています。それでも、産業界は今後10年の間にこれらの課題を克服すると、私たちは確信しています。
現実世界における機械学習
学術界では、サイバーセキュリティ向けQMLはシミュレーションに基づいて進展してきました。しかし、ある時点でシミュレーションでは不十分となり、現実世界でのテストが必要になります。電子メールのスパム検出は、ベンチマークとみなすことができます。その仕組みはよく理解されており、過度に複雑ではなく、有用な学習データが大量に利用可能だからです。Capgeminiは、Fraunhofer IAISと共同で、実際の量子コンピュータを用いてスパムフィルタリングを実施しました。この手法は現時点では費用対効果が高くないものの、何が可能かを示すとともに、今日の量子デバイスをサイバーセキュリティQMLに用いることの利点と欠点を明らかにしました。
サイバーセキュリティにおける量子機械学習には、重要インフラや、サイバー犯罪のエコシステムのマッピングなど、他の用途も見込まれます。これらの応用を組み合わせることで、QMLは防御側にとって非常に効果的なツールになるでしょう。
量子の潮流の先を行く
現状の量子コンピューティングを踏まえると、サイバーセキュリティ企業が、近い将来に量子コンピューティングを日常の業務運営に統合するための具体的な計画を今すぐ策定する必要はありません。とはいえ、量子コンピューティングのエコシステムは進化しており、最近では大きな進歩（Googleによる初の量子誤り訂正アルゴリズムの発表など）や製品（IBMの433量子ビットを搭載したOspreyチップなど）も登場しています。同時に、研究プロジェクトは、純粋に理論的な段階から、シミュレーションを経て、現在では実際の量子実験へと壁を越えつつあります。こうした変化は、量子コンピューティングをめぐる過度な誇大宣伝を減らせることを意味するだけでなく、近い将来に量子コンピューティングがどうなるかを予測するための信頼できるデータポイントも、間もなく得られることを意味します。
量子コンピューティングへの投資には長期的な視点が求められ、具体的な成果が近い将来に得られることはありません。しかし、他者が負担を担うのを待つことには、準備不足となり、後れを取るリスクが伴います。迫りくる変革により、準備ができていない組織は、その余波で壊滅的な打撃を受ける可能性が高いでしょう。
フォーラムは、世界的なサイバーセキュリティの課題にどのように取り組んでいますか？
サイバーセキュリティセンターは、リーダーが一堂に会し、進化するサイバーリスクとその システミックな影響を理解するための信頼できるプラットフォームを提供しています。増大する相互接続されたデジタル社会において、理解と信頼の構築に注力しています。
分野横断的な協力と知見の共有を可能にすることで、同センターはパートナーがサイバーレジリエンスを強化し、集団的な対応を必要とする課題に取り組む支援を行っています。
結論として、サイバーセキュリティ業界にも変化が訪れており、それはより広範なデジタルエコシステムの変化を反映しています。QMLがサイバーセキュリティ業務にどのように組み込まれるかを正確に述べることはできませんが、セキュリティツールとしての有用性は予見できます。サイバーセキュリティの現状を踏まえると、その登場は今すぐにでも必要とされています。
