نهان کاوی سیگنال صوت کوانتومی با استفاده از الگوریتم ماشین بردار پشتیبان کوانتومی
Publish place: Electronic and cyber defense، Vol: 11، Issue: 3
Publish Year: 1402
Type: Journal paper
Language: Persian
View: 172
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_PADSA-11-3_001
Index date: 19 February 2024
نهان کاوی سیگنال صوت کوانتومی با استفاده از الگوریتم ماشین بردار پشتیبان کوانتومی abstract
با ظهور نظریه محاسبات کوانتومی و شبکه های ارتباطی کوانتومی، برقراری ارتباط محرمانه و ایمن چالش برانگیز شده است. نهان کاوی سیگنال صوت کوانتومی یکی از زیرشاخه های مورد توجه در حوزه پردازش سیگنال کوانتومی و محاسبات کوانتومی است که سعی دارد با استفاده از تکنیک های استخراج ویژگی و الگوریتم های یادگیری ماشین کوانتومی، ارتباطات مخفی در بستر شبکه های ارتباطی کوانتومی را شناسایی کند. با توجه به اینکه پنهان نگاری باعث تغییرات اجتناب ناپذیری در ویژگی آماری حوزه فرکانس سیگنال میزبان می شود، می توان از آن به عنوان یک ابزار کارآمد و موثر برای ساختن نهان کاو جامع و دقیق استفاده کرد. بنابراین؛ روش پیشنهادی در ابتدا، از تبدیل فوریه کوانتومی روی سیگنال صوت QRDS برای استخراج ویژگی های آماری استفاده می کند. برای این منظور، شبکه مدار کوانتومی پیشنهادی این ویژگی ها شامل مرکز طیفی کوانتومی و پهنای باند طیفی کوانتومی طراحی و پیاده سازی شده است. در نهایت، الگوریتم ماشین بردار پشتیبان کوانتومی (QSVM)، با استفاده ویژگی های استخراج شده مجموعه داده های پاک و گنجانه با دقت بیشتر از ۹۵% از هم تفکیک می شوند.
نهان کاوی سیگنال صوت کوانتومی با استفاده از الگوریتم ماشین بردار پشتیبان کوانتومی Keywords:
نهان کاوی سیگنال صوت کوانتومی با استفاده از الگوریتم ماشین بردار پشتیبان کوانتومی authors
ساناز نوروزی لرکی
دانشجوی دکتری، گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول ، ایران
محمد مصلح
دانشیار، گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
محمد خیراندیش
استادیار، گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :