Quantum Machine Learning Fraunhofer IAO und Bundesdruckerei verbessern Betrugserkennung mit Quantencomputing

Ein gemeinsames Forschungsprojekt des Fraunhofer IAO und der Bundesdruckerei nutzt Quantum Machine Learning zur Betrugserkennung bei Kreditkartentransaktionen. Die Ergebnisse zeigen vielversprechende Ansätze.

Das Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO und die Bundesdruckerei GmbH haben laut einer entsprechenden Mitteilung bedeutende Fortschritte im Bereich des Quantum Machine Learning (QML) erzielt. Im Rahmen eines vom Bundesministerium der Finanzen beauftragten Projekts entwickeln die beiden Partner ein Modell zur Erkennung von Anomalien und Betrug bei Kreditkartentransaktionen.

Zielgerichtete Forschung für mehr Sicherheit

Die Forscherinnen und Forscher wollen sich darauf konzentrieren, das Potenzial des Quantencomputings für sichere digitale Anwendungen zu nutzen. Insbesondere der Umgang mit ungewöhnlichen Kreditkartentransaktionen, die auf betrügerische Aktivitäten hinweisen, stehe im Fokus der Untersuchungen. Ali Abedi, Senior Innovation Developer der Bundesdruckerei, lobt die Zusammenarbeit und plant, die Forschungsergebnisse in zukünftigen Konzepten für die Verwaltung zu evaluieren.

Um die Leistungsfähigkeit der entwickelten Modelle zu steigern, setzen die Wissenschaftler hybride Ansätze ein, die klassische Machine-Learning-Verfahren mit quantenmechanischen Methoden kombinieren. In umfassenden Benchmarkings auf Quantencomputern bekannter Hersteller wie IBM, Ion Q und AQT liefern die Modelle vielversprechende Resultate, insbesondere bei der Verarbeitung kleiner Datensätze.

„Dieses Projekt zeigt das transformative Potenzial von Quantencomputing in der Datenanalyse“, erklärt Daniel Pranjic, Projektleiter am Fraunhofer IAO. Die Anwendbarkeit des entwickelten Modells erstrecke sich auch auf andere Bereiche, insbesondere die Medizin, in der oft nur begrenzte Datenmengen zur Verfügung stehen.

Hochleistungscomputing

Quantencomputing und Exaflop-Supercomputer: neue Horizonte für die Industrie 4.0 und digitale Zwillinge

Quantum Machine Learning hat großes Potenzial

Die Forscherinnen und Forscher des Fraunhofer IAO verfolgen gezielt die Entwicklung von quantengestützten Methoden zur Erhöhung der Sicherheit bei Finanztransaktionen. Durch den Einsatz von Quantum Machine Learning sollen Anomalien und Betrugsversuche schneller erkannt und effektiver verhindert werden. Diese technologischen Ansätze bieten das Potenzial, bestehende Systeme zur Betrugserkennung erheblich zu verbessern und künftig sicherere Finanzlösungen zu schaffen, so das Fraunhofer-Institut.

Die Integration von sogenannten projizierten Quanten-Kerneln in die entwickelten Modelle ist laut der Forschenden entscheidend für die Anwendung von Support Vector Machines (SVM). SVM sind eine bewährte Methode im maschinellen Lernen, die darauf abzielt, optimale Entscheidungsgrenzen zwischen verschiedenen Klassen von Datenpunkten zu finden.

Projizierte Quanten-Kernel erweitern dieses Konzept, indem sie es ermöglichen, Daten in höherdimensionale Räume zu transformieren, wodurch die Trennung von Klassen erleichtert wird. Diese quantenmechanische Transformation verbessert die Effizienz der Mustererkennung, insbesondere bei kleinen Datensätzen, die häufig in der Betrugsanalyse vorkommen.

Durch den Einsatz von Quanten-Kerneln können die Modelle präziser und robuster gegenüber komplexen und nichtlinearen Mustern in den Daten werden. Diese Fortschritte tragen zu einer effektiveren Identifikation von betrügerischem Verhalten bei und sollen bei der Datenverarbeitung im Finanzsektor künftig zu verbesserten Sicherheitsstandards führen.

(ID:50352568)