QML-IDS em Open RAN sob Restrições NISQ
Resumo
A desagregação do Open RAN amplia a superfície de ataque das redes 5G/6G, tornando necessária a adoção de mecanismos eficientes de detecção de intrusão. Este trabalho propõe e avalia um pipeline de detecção baseado em aprendizado de máquina clássico e quântico, utilizando o conjunto público Netslab-5G-ORAN-IDD, com 1,7 milhão de registros e seis classes de tráfego. São comparados cinco classificadores clássicos e três abordagens quânticas: QKSVM, VQC e QIK-SVM. O QKSVM alcançou 93,9% ± 1,2% de acurácia binária e superou o SVM-RBF nos 10 pares treino/teste avaliados, com ganho médio de 0,85 ± 0,56 pp. Em cenários heurísticos de ruído NISQ inspirados em backends IBM Quantum, a degradação binária foi de 1,6 a 3,3 pp, enquanto o VQC não convergiu e ficou abaixo da baseline majoritária. A principal contribuição é uma avaliação comparativa e repetida de métodos baseados em quantum kernels para IDS em O-RAN, incluindo sua sensibilidade a ruído NISQ e as limitações para uso no near-RT RIC.Referências
Cerezo, M., Arrasmith, A., Babbush, R., et al. (2021). Variational quantum algorithms. Nature Reviews Physics, 3:625–644.
Groen, P. et al. (2024). Open RAN dataset for intrusion detection with mobility patterns. Computer Networks, 242:110567.
Havlíček, V., Córcoles, A. D., Temme, K., Harrow, A. W., Kandala, A., Chow, J. M., and Gambetta, J. M. (2019). Supervised learning with quantum-enhanced feature spaces. Nature, 567:209–212.
Liu, Y., Arunachalam, S., and Temme, K. (2021). A rigorous and robust quantum speed-up in supervised machine learning. Nature Physics, 17:1013–1017.
O-RAN Alliance (2021). O-RAN Architecture Description v07.00. Technical report, O-RAN Alliance.
Preskill, J. (2018). Quantum computing in the NISQ era and beyond. Quantum, 2:79.
Samarakoon, S. et al. (2022). 5G-NIDD: A comprehensive network intrusion detection dataset generated over 5G wireless network.
Groen, P. et al. (2024). Open RAN dataset for intrusion detection with mobility patterns. Computer Networks, 242:110567.
Havlíček, V., Córcoles, A. D., Temme, K., Harrow, A. W., Kandala, A., Chow, J. M., and Gambetta, J. M. (2019). Supervised learning with quantum-enhanced feature spaces. Nature, 567:209–212.
Liu, Y., Arunachalam, S., and Temme, K. (2021). A rigorous and robust quantum speed-up in supervised machine learning. Nature Physics, 17:1013–1017.
O-RAN Alliance (2021). O-RAN Architecture Description v07.00. Technical report, O-RAN Alliance.
Preskill, J. (2018). Quantum computing in the NISQ era and beyond. Quantum, 2:79.
Samarakoon, S. et al. (2022). 5G-NIDD: A comprehensive network intrusion detection dataset generated over 5G wireless network.
Publicado
01/09/2026
Como Citar
ABREU, Diego; SILVA, Murilo; SOUSA, Fiterlinge; FARIAS, Fernando.
QML-IDS em Open RAN sob Restrições NISQ. In: WORKSHOP CIBERSEGURANÇA QUÂNTICA: TEORIA, TECNOLOGIAS E APLICAÇÕES - SIMPÓSIO BRASILEIRO DE CIBERSEGURANÇA (SBSEG), 26. , 2026, Armação dos Búzios/RJ.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2026
.
p. 850-856.
DOI: https://doi.org/10.5753/sbseg_estendido.2026.31672.
