香港银行业量子准备度研究

内容 04 前进之路 第40页 前言 金融服务业正迈入技术变革的新阶段。数据、计算能力和人工智能的进步正在重塑金融服务如何被提供、管理和监管。为了维持其作为国际金融中心的地位，香港不仅要拥抱新技术，还必须发展起管理其采用可能带来的风险的能力。 支持负责任的创新，同时维护银行体系赖以生存的韧性、完整性和信任。为迎接量子时代，金管局的做法是鼓励业界尽早开始，有序行动，并建立必要的能力以应对即将到来的转型。 量子准备并非仅仅是技术挑战。它需要高层管理者的参与、机构规划、能力建设以及生态系统内协调一致的行动。同时，它还要求授权机构（AI）、技术供应商、学术机构和其他相关利益相关者之间的合作。准备充分的银行体系将更有能力管理量子相关风险，同时随时准备在长期内利用技术进步带来的好处。 量子计算代表着具有战略意义的发展。尽管该技术仍处于发展阶段，但它对金融服务产生的长期影响是深远的。一方面，量子计算最终可能为风险分析、建模和优化开辟新的可能性。另一方面，它也可能破坏支撑银行系统、支付网络和金融市场基础设施（FMI）中信任与安全性的密码学基础。 香港金融管理局将继续通过提供实际指引、积极参与和开展能力建设计划来支持该行业。随着形势发展，目标仍然是促进银行界在量子准备方面采取审慎、前瞻和协调的方法。 因此，银行业必须以战略远见和严谨执行来应对量子发展。量子时代的意义超越了未来的技术机遇，它涵盖了运营弹性、网络安全、第三方依赖以及长期转型规划。特别是，向后量子密码学（PQC）的转型将需要多年的持续努力，鉴于加密功能已深度融入系统、流程和外部接口之中。 为迎接量子时代做好准备是一项共同责任。这需要整个金融生态系统的持续投入和紧密协作。通过及早行动、通力合作，我们能够增强香港为未来做好准备的能力，并支持一个富有韧性、值得信赖且富有创新精神 的金融体系持续发展。随着创新的加速，韧性和信任必须与之同步。这就是香港如何在下一阶段金融转型中保持面向未来的关键所在。 香港金融管理局（HKMA）已将此视为香港更广泛的金融科技议程中的关键优先事项。“金融科技2030”¹ 中的一项战略目标是加强业务、技术和量子韧性。这体现了明确的意图：要 执行摘要 量子计算代表着计算技术的一项重大进步，对金融服务领域具有变革性的潜力，特别是在投资组合优化、风险建模、欺诈检测、产品定价、压力测试和复杂模拟等方面。与此同时，密码学相关量子计算机（CRQC）的出现对保护安全通信、客户数据、支付、认证和金融信息管理（FMI）的传统密码学构成了潜在的重大网络安全风险。尽管这一威胁的时间尚不确定，但向后量子密码（PQC）的迁移预计将是一项多年的工作。因此，早期准备至关重要，既要应对迁移相互关联系统所带来的运营复杂性，也要防范针对长期机密数据的“先收集、后解密”（HNDL）风险。 尚未完全成熟。一小部分但值得注意的AI已取得更先进的进展，包括正式的治理框架、结构化规划、试点活动和更成熟的运营实践。尽管如此，整体格局反映出准备程度参差不齐，领先机构与更广泛的领域之间存在明显差距。 人工智能已识别出若干推进PQC准备进程的常见障碍。这些障碍包括：缺乏既定的风险评估方法及行业标准框架；构建密码学清单所涉及的技术复杂性与规模；遗留基础设施与累积的技术债务；标准与监管时间表上的不确定性；以及内部专业知识的短缺。外部依赖进一步加剧了进展的复杂性。人工智能通常依赖供应商、金融市场基础设施机构、通用公用事业提供方及交易对手方的输入来评估风险、理解嵌入式密码学、定义迁移路径并协调互操作性测试。这些依赖性凸显了PQC准备进程无法由各机构孤立完成。 为评估香港银行业当前的准备情况，香港金融管理局邀请在香港运营的所有人工智能参与一项调查。调查结果显示，虽然对量子计算的认知度在提高，但实际应用仍有限。大多数人工智能至少对量子计算有所了解，较小一部分已经开始探索或试点应用。然而，采用仍处于早期阶段，许多人工智能认为，鉴于该技术尚处萌芽阶段、商业价值不确定以及缺乏内部专业知识，其实施准备度低是主要挑战。因此，量子计算通常被视为一个长期战略机遇。然而，与量子计算相关的网络安全风险和PQC（后量子密码学）准备情况需要立即关注。 本文概述了人工智能采用相同四阶段方法制定的实际行动计划：从意识、规划、试点到实用准备。人工智能可首先建立董事会和高级管理层参与，明确责任归属，提升员工能力，开发密码学清单，评估与量子相关的风险，根据数据敏感性和系统关键性确定迁移优先级，参与供应商合作，并建立书面路线图。随后，可开展受控试点以验证互操作性和回滚机制，同时将后量子密码（PQC）准备融入日常运营（BAU）流程，例如网络安全风险管理、运营韧性、第三方风险管理及变更治理。 对PQC准备情况在意识、规划、试点和实用准备等维度上的评估表明，该领域仍处于转型初期。在大多数人工智能中，正式治理、专项资金、员工培训、量子风险评估、密码学清单、迁移规划、测试协议和进度监控等方面仍 该论文还指出了外部支持可以加速整个行业准备就绪的领域。人工智能已经表达了 对监管清晰度、实践指导、行业知识共享和便利化测试环境有强烈需求。为此，金管局将通过提供监管指引、培训及研讨会，与学术伙伴合作开发优质企业管治工具包，以及促进行业合作与参与等举措，为该行业提供支持。 包括香港金融科技周、FiNETech活动及其他针对性论坛在内的平台。这些举措旨在帮助人工智能将PQC概念转化为具体行动，促进该行业内的协同一致，并鼓励与供应商及其他外部利益相关者的协调合作。 短期内，人工智能可以通过采取几项实际措施来提升其量子计算安全（PQC）的准备工作。 与董事会沟通，将量子风险界定为企业风险，并在风险管理中将其设为常态化议题。 为量子准备好了，确定一个负责的负责人，由高级别的赞助支持，并拥有跨越职能线的授权。 委托创建一份密码学清单，接受其初始阶段可能不完善，但会随着迭代而改进。 与关键供应商合作，要求其提供后量子路线图，并在新合同中嵌入量子准备要求 这些行动无需人工智能等待量子技术完全成熟或最终确定的PQC实施指南，并且能为后续的规划、试点和迁移工作奠定更坚实的基础。 量子准备指数表明，在初始基础上，转型旅程的下一阶段将需要更强的能力建设、更结构化的规划，以及在测试和实施方面取得更大进展。向量子安全银行转型需要持续多年的承诺。 年。通过立即行动、建立基础可见性、发展密码学敏捷性、开展早期测试以及跨生态系统协调，香港的人工智能可以增强客户信任，强化运营韧性，并在新兴量子时代维护金融稳定。 01量子计算 1.1 量子计算简介 它们组合在一起直到被测量，量子物理学中称之为叠加态的一种特性。 除了叠加态，量子计算中还使用另一种量子力学特性，即纠缠。这是将不同的量子比特连接起来的能力，从而增加输出正确解的概率。这一点很重要，因为对于确定性经典计算机而言，给定的计算通常对相同的输入产生相同的输出，而量子计算是概率性的。这意味着相同的量子计算可能产生不同的结果，每个结果都以一定的概率输出。 今天，我们熟悉计算机器的概念。这些机器被称为经典计算机，其形态有笔记本电脑、手机、手表以及其他数字设备。在这些机器的核心，是通常基于硅构建的半导体器件，它们提供了实现计算功能所需的微观开关和电路。在过去的60年里，随着硅制造技术的发展，这些计算设备在尺寸上不断缩小，能力不断增强，在更小的封装中提供了更强的计算能力。 叠加和纠缠这些特性，使得量子计算机在表示和操作信息的方式上，与经典计算有着根本性的不同。对于某些计算任务，许多研究者认为，足够大规模的量子计算机最终可能会超越经典计算机。 与此同时，在20世纪80年代初，物理学家保罗·贝尼奥夫、理查德·费曼和戴维·德意志各自独立地建立了量子计算的基础理论，他们提出了可用于模拟量子系统并同时处理多种计算状态的量子力学计算模型。 对于金融服务而言，量子计算机预计随着时间的推移将带来潜在益处，包括更精确的市场模拟、更优化的资产使用以及增强的分析能力（例如在欺诈检测领域）。然而，与量子计算机相关的一个重大风险是它们理论上能够破解常用加密方法的能力。第2节将就量子网络风险和PQC提供更多细节。 这些想法的进一步发展以及材料的物理发展，通常利用半导体和光子行业的先进制造能力，已使这些概念在原子尺度上得以实现。硬件供应商现在可以设计和构建以量子力学为其核心操作原理的新计算架构。 1.2 金融服务的量子应用场景 随着时间的推移，预计量子计算机将有助于解决某些对当今最大型经典超级计算机而言较为困难的问题类别。而经典计算机以比特存储信息，可以理解为处于两种状态中的一种；量子计算机则使用量子比特来编码信息。量子比特可以 金融服务行业是一个高度依赖数据的行业，其特点是速度、准确性和风险管理。 成功的关键。为支持决策，会使用复杂的数学模型。这些模型受限于当前的经典方法。即便使用目前最顶尖的高性能计算硬件，这些模型在计算上仍十分耗时，处理时间可能非常长。 量子计算机的金融问题可能为金融服务创造巨大的经济价值。3 全球金融机构已开始探索量子计算的应用场景，通常与科技咨询公司和研究伙伴合作。这些实验旨在探索量子方法最终如何提升解决方案的质量、发现解决方案的速度以及使用这项技术所需的技能。金融机构中量子算法的实施成熟度各不相同，大多数应用仍处于探索或试点阶段。 然而，量子计算机为解决这些问题提供了一种根本不同的方法，这种方法不受同样的经典限制。利用叠加和纠缠的量子方法，将支持对复杂数学模型的全新方法，并可能以更高质量的速度找到解决方案。预计解决高价值 投资组合与资产优化 投资组合和资产优化是金融领域的一个常见问题，其涉及如何有效利用资产以实现最大回报。优化技术必须考虑资产预期收益、财务风险、市场状况、物理因素以及其他许多因素。 案例研究 量子算法领域 花旗创新实验室（Citi）于2024年与Classiq合作进行了一项研究，旨在测试量子计算在投资组合优化中的应用。他们使用六支股票的历史数据，为QAOA编码了风险收益优化问题，并通过一个可调节的“惩罚因子”来执行预算约束，然后在模拟器运行中改变该惩罚值。结果表明，结果对惩罚校准高度敏感，较小的惩罚产生了最优解决方案。该研究声称量子方法在经典方法上没有优势，但为随着硬件成熟实现优势建立了必要的调优规范。 优化与机器学习 实施 利用量子计算进行资产优化，可以使用量子比特（qubits）来表示特定的资产配置决策，例如某项资产是否应被纳入投资组合。然后，诸如量子近似优化算法（QAOA）之类的优化技术可以考虑包括资产价值、预期回报、市场状况和风险水平在内的因素。基于这些输入，QAOA可以生成一组潜在的有利于资产配置的选项。 华夏银行与SpinQ合作，开发了一个量子神经网络（QNN），用于优化中国ATM的布局和闲置机器的撤除。该团队从2243台ATM机中提取了关键数据点，包括故障率、使用趋势和补充时间。然后，使用一种称为变分量子嵌入的技术将数据转换为适合QNN的格式。该QNN在SpinQ专有的核磁量子计算机上运行，以提供实验结果。与当前的经典算法相比，该方法显示出更高的准确性、更高的精度和更短的计算时间。 量子机器学习方法（如量子神经网络）也可能改进资产价值和风险的评估，从而为优化模型提供更好的输入。 欺诈检测 欺诈检测旨在通过识别数据中的模式来发现潜在的非法交易。一旦识别出此类交易，金融机构可以采取措施撤销、预防或减轻其影响。 量子算法领域 案例研究 机器学习 平安保险与Origin Quantum合作开发可用于识别金融欺诈的QML算法。该团队开发了一种量子神经网络（QNN）来检测涉嫌洗钱的复杂交易模式。这些量子算法旨在支持提升平安金融服务响应速度。 实施 QML方法可能允许对金融交易数据中的更多特征和更复杂的关系进行评估，以检测欺诈模式。 销售优化 在复杂市场中准确定价资产是一项具有挑战性的任务。对资产未来价格的更快或更精确的