Lewati ke konten
SDGs Center UDINUS

Catatan bukti · UDINUS · SDGs

Watermarking citra kuantum berbasis simulasi dengan bantuan AI menggunakan NEQR dan logika kuantum reversibel

Rektorat UDINUS 2026 Terbit 2026-10-30

Catatan bukti · UDINUS · SDGs

Unit
Rektorat UDINUS
Periode
2026
Tujuan
Nomor
54a867b2-7286-4d05-8028-5c23f21082c0
Terbit
2026-10-30

Universitas Dian Nuswantoro (UDINUS), melalui peneliti Sahu, Aditya Kumar; Dhar, Swapnaneel; Deb, Subhrajyoti; Khaldi, Amine; Sahu, Monalisa; dan Setiadi, De Rosal Ignatius Moses, melaksanakan kegiatan watermarking citra kuantum berbasis simulasi dengan bantuan AI menggunakan Novel Enhanced Quantum Representation (NEQR) dan logika kuantum reversibel. Kegiatan ini membahas keterbatasan Flexible Representation of Quantum Images (FRQI), termasuk kompleksitas komputasi dan qubit yang tinggi serta keterbatasan skalabilitas. Kegiatan ini juga mempertimbangkan kerentanan model pembanding kuantum terhadap serangan geometris seperti penskalaan dan rotasi, serta laju penyisipan dan ekstraksi yang lambat.

Teknik yang diusulkan mengintegrasikan Quantum Image Representation dengan NEQR. Pembangkitan qubit watermark menggabungkan bit posisi piksel dengan logika berbasis rata-rata aritmetika melalui rangkaian kuantum yang terdiri atas model reverse parallel adder, dividing-4, dan controlled-NOT. Penyisipan watermark menggunakan reverse parallel adder, model quantum equal, gerbang controlled-NOT, dan gerbang Pauli-X, dengan menerapkan strategi least significant bit pada citra yang dikodekan menggunakan NEQR. Proses ekstraksi mencerminkan arsitektur penyisipan dan menggunakan reverse parallel subtractor, model quantum equal, controlled-NOT, serta Pauli-X.

Kegiatan ini divalidasi melalui simulasi rangkaian kuantum berbasis IBM Qiskit pada perangkat keras komputasi klasik. Sumber secara eksplisit menyatakan bahwa kegiatan ini tidak dimaksudkan untuk menunjukkan eksekusi perangkat keras kuantum yang toleran terhadap kesalahan atau keunggulan komputasi kuantum yang dapat dibuktikan. Hasil eksperimen melaporkan nilai peak-signal-to-noise ratio tertinggi sebesar 59.97 dB dan structural similarity index matrix sebesar 0.9999. Teknik tersebut diuji terhadap serangan pemrosesan citra, noise kuantum, dan dekoherensi. Modul klasifikasi serangan berbantuan AI menggunakan pengklasifikasi Random Forest ringan untuk mengidentifikasi kategori serangan, dengan akurasi klasifikasi keseluruhan sebesar 96.56%.

Dalam kaitannya dengan RAW_GOALS yang dinyatakan, sumber mendokumentasikan kegiatan penelitian berbasis simulasi mengenai watermarking citra yang aman dan identifikasi serangan. Kegiatan ini menjadi bukti institusional penelitian UDINUS yang menggunakan pemodelan rangkaian kuantum reversibel dan klasifikasi berbantuan AI, sedangkan sumber tidak menyatakan hubungan langsung dengan target substantif tertentu dari tujuan tersebut.

Rujukan https://www.scopus.com/pages/publications/105042922059?origin=resultslist