近日，我院李冬芬教授指导的研究团队在中国计算机领域权威期刊《Journal of Computer Research and Development》（CCF-A类期刊，国内计算机学科最具影响力的学术期刊之一）上发表了题为《An Intrusion Detection Model Integrating Federated Learning and Quantum Convolutional Neural Networks》的研究成果。论文第一作者是我院李冬芬教授，该项研究成果得到了国家自然科学基金项目、国家重点研发计划项目以及四川省和成都市多项科研项目的支持。

该研究针对入侵检测系统在高维稀疏特征建模、少数类攻击识别及隐私保护方面的难题，提出了一种融合联邦学习与量子卷积神经网络的入侵检测模型（FedCQIDS）。实验结果显示，在多个国际公认的入侵检测数据集上，FedCQIDS在准确率、损失值和训练稳定性方面均优于传统联邦模型，尤其在少数类攻击检测中表现突出。这一成果不仅推动了量子计算与联邦学习的深度融合，也为网络安全领域的实际应用提供了新思路，展现了在物联网、医疗和金融等对隐私保护和实时检测要求较高场景中的广阔前景。

图1 模型框架示意图