本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘 要：随着网络安全威胁的日益复杂化和多样化，基于传统冯·诺依曼架构的网络安全防御系统在能效、响应延迟和动态适应性方面，面临严峻挑战。提出一种基于量子神经形态计算的实时主动防御系统，该系统融合了量子计算与神经形态的计算优势，设计了光子—量子融合加速架构，采用量子脉冲神经网络（QSNNs）实现威胁识别，并探索量子纠缠态突触设计在多节点量子网络中的抗干扰性。该系统可深度适配物联网边缘计算场景，通过轻量化节点实现终端级实时防御，其量子纠缠态突触设计还支持跨域分布式防御协同，在多云环境中实现无延迟威胁情报共享与联动响应，为网络安全防御提供创新且有效的解决方案。
关键词：量子神经形态计算；实时主动防御系统；量子纠缠态突触
doi：doi：10.12045/j.issn.1007-3043.2025.10.005
前言
随着网络的复杂化、多样化，新型网络安全威胁不断涌现。传统冯·诺依曼网络安全防御系统面临能效低、响应延迟高、难以应对动态变化攻击等诸多难题。而基于量子计算和神经形态计算技术的新型实时主动防御系统，可以高效解决上述难题。其中，量子计算通过量子叠加、纠缠和干涉等技术特性可实现指数级的计算加速。神经形态计算通过模仿生物神经系统的结构和功能，融合事件驱动脉冲神经网络（SNN）来实现高效信息处理，具有低功耗、高并行性和实时处理的优势，并且神经形态计算算法评估和优化有显著进展，例如Yik等人提出的NeuroBench就是神经形态计算算法的评估和改进工具，推动了神经形态系统在复杂任务中的应用。基于量子神经形态计算的实时主动防御系统可快速检测并响应安全威胁，同时高效处理海量网络数据，在网络安全领域具有巨大的发展潜力。本文致力于研究基于量子神经形态计算的实时主动防御系统，以解决传统网络安全防御系统在能效、延迟和动态适应性方面的难题，为网络安全提供更高效的技术保障。
