Xander: un ensamble cuántico-clásico para la detección de intrusiones avanzadas en redes modernas

Peñaloza Araque, Oscar Javier

dc.creator	Peñaloza Araque, Oscar Javier
dc.date	2026-07-31
dc.date.accessioned	2026-08-03T17:15:28Z
dc.date.available	2026-08-03T17:15:28Z
dc.identifier	https://revistas.unachi.ac.pa/index.php/revistaJatuaida/article/view/1233
dc.identifier	10.59722/riic.v3i2.1233
dc.identifier.uri	http://jadimike.unachi.ac.pa/handle/123456789/11360
dc.identifier.uri	https://revistas.unachi.ac.pa/index.php/revistaJatuaida/article/view/1233
dc.description	The growing complexity of cyber threats demands intrusion detection systems capable of processing dynamic, high-dimensional network traffic. Although classical machine learning methods have achieved strong performance in this field, they continue to face limitations related to scalability, adaptability, and robustness against constantly evolving attack patterns. Quantum machine learning has emerged as a promising alternative; however, current quantum processors impose practical limitations related to noise, limited qubit availability, decoherence, and circuit depth. This paper introduces Xander, a hybrid quantum-classical ensemble architecture for network intrusion detection under NISQ-era constraints. The proposed framework integrates quantum models—including quantum support vector machine components, variational quantum classifiers, and quantum convolutional neural networks—with classical models such as Random Forest, XGBoost, and multilayer perceptrons. These models are combined using an optimized weighted soft voting mechanism and are complemented by a dynamic fallback strategy designed to mitigate the impact of unstable quantum results. Experiments were conducted using reduced and preprocessed subsets of the CIC-IDS-2017 and CIC-IDS-2018 datasets, applying principal component analysis to enable quantum-compatible feature encoding. The framework was evaluated via classical simulation, quantum simulation, and execution on actual quantum hardware. The results show that the hybrid approach achieves high classification performance and maintains stable behavior under hardware-induced noise, achieving competitive performance. The findings suggest that hybrid models constitute a practical pathway to integrating quantum computing into cybersecurity applications without requiring a quantum advantage in the short term.	en-US
dc.description	La creciente complejidad de las amenazas cibernéticas exige sistemas de detección de intrusiones capaces de procesar tráfico de red dinámico y de alta dimensión. Aunque los métodos clásicos de aprendizaje automático han logrado un gran rendimiento en este ámbito, siguen enfrentándose a limitaciones relacionadas con la escalabilidad, la adaptabilidad y la robustez frente a los patrones de ataque en constante evolución. El aprendizaje automático cuántico se ha revelado como una alternativa prometedora; sin embargo, los procesadores cuánticos actuales, imponen limitaciones prácticas relacionadas con el ruido, la disponibilidad limitada de qubits, la decoherencia y la profundidad de los circuitos.Este artículo presenta a Xander, una arquitectura híbrida en ensamble cuántico-clásico para la detección de intrusiones en redes bajo las restricciones de la era NISQ. El marco propuesto integra modelos cuánticos, entre los que se incluyen componentes de máquinas de vectores de soporte cuánticos, clasificadores cuánticos variacionales y redes neuronales convolucionales cuánticas, con modelos clásicos como Random Forest, XGBoost y perceptrones multicapa.Estos modelos se combinan mediante un mecanismo optimizado de votación suave ponderada y se complementan con una estrategia de respaldo dinámica diseñada para reducir el impacto de los resultados cuánticos inestables. Los experimentos se llevaron a cabo utilizando subconjuntos reducidos y preprocesados de los conjuntos de datos CIC-IDS-2017 y CIC-IDS-2018, aplicando el análisis de componentes principales para permitir la codificación de características compatibles con la cuántica.El marco se evaluó mediante simulación clásica, simulación cuántica y ejecución en hardware cuántico real. Los resultados muestran que el enfoque híbrido alcanza un alto rendimiento de clasificación y mantiene un comportamiento estable bajo el ruido inducido por el hardware, alcanzando un rendimiento competitivo. Los hallazgos sugieren que los modelos híbridos constituyen una vía práctica para integrar la computación cuántica en aplicaciones de ciberseguridad sin requerir una ventaja cuántica a corto plazo.	es-ES
dc.description	A crescente complexidade das ameaças cibernéticas exige sistemas de deteção de intrusões capazes de processar tráfego de rede dinâmico e de grande dimensão. Embora os métodos clássicos de aprendizagem automática tenham alcançado um excelente desempenho neste domínio, continuam a enfrentar limitações relacionadas com a escalabilidade, a adaptabilidade e a robustez face a padrões de ataque em constante evolução. A aprendizagem automática quântica revelou-se uma alternativa promissora; no entanto, os processadores quânticos atuais impõem limitações práticas relacionadas com o ruído, a disponibilidade limitada de qubits, a decoerência e a profundidade dos circuitos. Este artigo apresenta o Xander, uma arquitetura híbrida em conjunto quântico-clássico para a deteção de intrusões em redes sob as restrições da era NISQ. A estrutura proposta integra modelos quânticos, incluindo componentes de máquinas de vetores de suporte quânticos, classificadores quânticos variacionais e redes neurais convolucionais quânticas, com modelos clássicos como Random Forest, XGBoost e perceptrões multicamadas. Estes modelos são combinados através de um mecanismo otimizado de votação suave ponderada e complementados por uma estratégia de backup dinâmica concebida para reduzir o impacto dos resultados quânticos instáveis. As experiências foram realizadas utilizando subconjuntos reduzidos e pré-processados dos conjuntos de dados CIC-IDS-2017 e CIC-IDS-2018, aplicando a análise de componentes principais, para permitir a codificação de características compatíveis com a computação quântica. A estrutura foi avaliada através de simulação clássica, simulação quântica e execução em hardware quântico real. Os resultados mostram que a abordagem híbrida atinge um elevado desempenho de classificação e mantém um comportamento estável sob o ruído induzido pelo hardware, alcançando um desempenho competitivo. As conclusões sugerem que os modelos híbridos constituem uma via prática para integrar a computação quântica em aplicações de cibersegurança sem exigir uma vantagem quântica a curto prazo.	pt-BR
dc.description.abstract	La creciente complejidad de las amenazas cibernéticas exige sistemas de detección de intrusiones capaces de procesar tráfico de red dinámico y de alta dimensión. Aunque los métodos clásicos de aprendizaje automático han logrado un gran rendimiento en este ámbito, siguen enfrentándose a limitaciones relacionadas con la escalabilidad, la adaptabilidad y la robustez frente a los patrones de ataque en constante evolución. El aprendizaje automático cuántico se ha revelado como una alternativa prometedora; sin embargo, los procesadores cuánticos actuales, imponen limitaciones prácticas relacionadas con el ruido, la disponibilidad limitada de qubits, la decoherencia y la profundidad de los circuitos.Este artículo presenta a Xander, una arquitectura híbrida en ensamble cuántico-clásico para la detección de intrusiones en redes bajo las restricciones de la era NISQ. El marco propuesto integra modelos cuánticos, entre los que se incluyen componentes de máquinas de vectores de soporte cuánticos, clasificadores cuánticos variacionales y redes neuronales convolucionales cuánticas, con modelos clásicos como Random Forest, XGBoost y perceptrones multicapa.Estos modelos se combinan mediante un mecanismo optimizado de votación suave ponderada y se complementan con una estrategia de respaldo dinámica diseñada para reducir el impacto de los resultados cuánticos inestables. Los experimentos se llevaron a cabo utilizando subconjuntos reducidos y preprocesados de los conjuntos de datos CIC-IDS-2017 y CIC-IDS-2018, aplicando el análisis de componentes principales para permitir la codificación de características compatibles con la cuántica.El marco se evaluó mediante simulación clásica, simulación cuántica y ejecución en hardware cuántico real. Los resultados muestran que el enfoque híbrido alcanza un alto rendimiento de clasificación y mantiene un comportamiento estable bajo el ruido inducido por el hardware, alcanzando un rendimiento competitivo. Los hallazgos sugieren que los modelos híbridos constituyen una vía práctica para integrar la computación cuántica en aplicaciones de ciberseguridad sin requerir una ventaja cuántica a corto plazo.
dc.format	application/pdf
dc.format	text/html
dc.format	application/epub+zip
dc.format	audio/mpeg
dc.language	spa
dc.publisher	Universidad Autónoma de Chiriquí	es-ES
dc.relation	https://revistas.unachi.ac.pa/index.php/revistaJatuaida/article/view/1233/1172
dc.relation	https://revistas.unachi.ac.pa/index.php/revistaJatuaida/article/view/1233/1143
dc.relation	https://revistas.unachi.ac.pa/index.php/revistaJatuaida/article/view/1233/1181
dc.relation	https://revistas.unachi.ac.pa/index.php/revistaJatuaida/article/view/1233/1164
dc.rights	https://creativecommons.org/licenses/by-nc-sa/4.0	es-ES
dc.source	Revista Iberoamericana de Innovación Científica JA TUAIDA; Vol. 3 No. 2 (2026): Revista Iberoamericana de Innovación Científica JATUAIDA ( julio a diciembre 2026); 4-36	en-US
dc.source	Revista Iberoamericana de Innovación Científica JA TUAIDA; Vol. 3 Núm. 2 (2026): Revista Iberoamericana de Innovación Científica JATUAIDA ( julio a diciembre 2026); 4-36	es-ES
dc.source	Revista Iberoamericana de Innovación Científica JA TUAIDA; v. 3 n. 2 (2026): Revista Iberoamericana de Innovación Científica JATUAIDA ( julio a diciembre 2026); 4-36	pt-BR
dc.source	2992-6440
dc.subject	aprendizaje automático cuántico	es-ES
dc.subject	ciberseguridad	es-ES
dc.subject	modelos híbridos	es-ES
dc.subject	NISQ	es-ES
dc.subject	sistemas de detección de intrusiones	es-ES
dc.subject	Aprendizagem automática quântica, sistemas de deteção de intrusões, modelos híbridos, NISQ, cibersegurança.	pt-BR
dc.subject	Quantum machine learning, intrusion detection systems, hybrid models, NISQ, cybersecurity.	en-US
dc.title	Xander: un ensamble cuántico-clásico para la detección de intrusiones avanzadas en redes modernas	en-US
dc.title	Xander: un ensamble cuántico-clásico para la detección de intrusiones avanzadas en redes modernas	es-ES
dc.type	info:eu-repo/semantics/article
dc.type	info:eu-repo/semantics/publishedVersion

Ficheros en el ítem

Ficheros	Tamaño	Formato	Ver
No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Revista Iberoamericana de Innovación Científica JA TUAIDA Vol. 3 Núm. 2 (2026) [6]
Julio - Diciembre 2026

Mostrar el registro sencillo del ítem