산업용 사물 인터넷 (IIoT) 시스템의 급증은 고차원, 다변량 시계열에서 이상 감지에 대한 새로운 과제를 제기하며, 이 과정에서 개인 정보 보호, 확장성 및 통신 효율성이 중요하게 고려됩니다. 본 논문에서는 양자 특징 맵을 연합 집계와 통합하여 이기종 IoT 네트워크에서 분산적이고 개인 정보 보호가 가능한 이상 감지를 가능하게 하는 연합 양자 커널 학습 (FQKL) 프레임워크를 제안합니다. FQKL은 양자 에지 노드가 매개변수화된 양자 회로를 사용하여 압축된 커널 통계를 로컬에서 계산하고, 이러한 요약 정보를 중앙 서버와 공유하여 전역 Gram 행렬을 구성하고 의사 결정 함수 (예: Fed-QSVM)를 훈련합니다. 합성 IIoT 벤치마크에 대한 실험 결과는 FQKL이 기존 연합 기준선에 비해 복잡한 시간적 상관 관계를 포착하는 데 우수한 일반화를 달성하고 통신 오버헤드를 크게 줄이는 것을 보여줍니다.
