香港监管机构评估银行应对量子威胁的准备情况

cryptonews.ru發佈於 2026-07-28更新於 2026-07-28

文章摘要

香港金融管理局(HKMA)推出了银行业量子准备指数(QPI),首次评估得分仅为2.3分(满分10分)。监管机构同时发布白皮书,指出32%受访银行尚未启动向抗量子加密的过渡,约半数缺乏正式计划。不过,约68%的机构已意识到风险或正处于规划与试点阶段。 HKMA计划到2030年将行业准备度提升至10分,为此将与香港科技大学商学院及业界合作开发抗量子加密工具包,并举办培训研讨会。白皮书警告,未来能够大规模运行肖尔算法的量子计算机可能危及当前广泛使用的RSA和椭圆曲线加密等算法。 监管机构呼吁银行提前清查加密系统、评估风险并制定迁移计划,强调更换嵌入式保护机制可能需要数年时间。HKMA还将量子风险准备与香港的资产代币化发展相联系,自2023年以来已发行三批绿色债券代币,总额约168亿港元。 此外,监管机构于6月成立了专家小组以扩展代币化在债务市场的应用,并举例汇丰银行在2024年测试了用于代币化黄金交易的抗量子技术。有行业人士此前警告,比特币等加密货币可能在量子技术实用化时首当其冲,面临加密机制被破解的风险。

香港金融管理局(HKMA)推出了银行业量子准备指数(QPI)。首次评估得分为2.3分(满分10分)。

监管机构还发布了一份关于金融机构为应对与量子计算相关的风险做准备的白皮书。根据金管局的数据,32%的受访银行尚未开始向抗量子保护过渡,约一半银行没有正式计划。然而,约68%的机构已经意识到风险,或正处于规划和试点项目阶段。

约三分之一的受访行业代表正在研究或试点量子计划。大约一半的机构已在董事会层面讨论过该主题。

香港金管局计划到2030年将该行业的准备程度提升至10分。为此,监管机构将与香港科技大学商学院及行业参与者合作,准备抗量子密码工具包,并举办培训研讨会。

香港金管局在其白皮书中指出,未来能够大规模应用肖尔算法的量子计算机,可能会威胁到广泛使用的密码算法,包括RSA和椭圆曲线密码学。

监管机构呼吁银行提前清点密码系统,评估风险并制定迁移计划。金管局强调,更换内置的保护机制可能需要数年时间。

香港金管局还将量子风险的准备与香港代币化的发展联系起来。

自2023年以来,香港当局已发行了三批代币化绿色债券。第一批为8亿港元,第二批约为60亿港元,第三批约为100亿港元。总发行量达到约168亿港元。

今年6月,监管机构成立了一个专家小组,以扩大代币化在债务市场的应用。香港金管局还以汇丰银行举例:2024年,该银行测试了用于代币化黄金交易的量子抗性技术。

Quantum & After. 能从量子技术中赚钱吗?

回想一下,今年7月,Quantum Xchange首席执行官埃迪·泽维贡表示,当量子技术能够破解密码机制时,比特币和其他加密货币可能首先面临量子计算的实际威胁。

end-content

相關問答

Q香港金融管理局评估了银行应对量子威胁的哪些方面?

A香港金融管理局(HKMA)推出了一个名为量子准备度指数(QPI)的评估工具,对银行部门的量子威胁准备情况进行了首次评估。评估结果显示,其准备度仅为2.3分(满分10分)。HKMA还发布了一份白皮书,指导金融机构应对量子计算相关的风险。

Q根据HKMA的评估,香港银行业在量子准备度方面的整体状况如何?

A根据HKMA的评估和调查,香港银行业的量子准备度整体处于较低水平。首次QPI评估得分为2.3分。具体来说,有32%的被调查银行尚未开始向抗量子密码学过渡,约一半的银行没有正式的过渡计划。不过,约有68%的机构已经意识到风险,或正处于规划和试点阶段。

QHKMA设定了怎样的量子准备度目标?

A香港金融管理局(HKMA)设定了一个明确的目标:计划到2030年,将整个银行业的量子准备度指数(QPI)提升到满分10分。为实现这一目标,HKMA将联合香港科技大学工商管理学院和行业参与者,共同开发抗量子密码学的工具包,并举办相关的培训研讨会。

QHKMA提到的量子计算主要威胁是什么?

AHKMA在其白皮书中明确指出,未来如果出现能够大规模运行肖尔算法的量子计算机,将有能力攻破目前广泛使用的多种密码学算法,这其中包括RSA加密算法和椭圆曲线密码学。这些算法是现代金融系统和许多信息技术安全的基础。

Q除了银行安全,文章还提及HKMA将量子风险与香港哪项金融发展举措联系起来?

A文章提到,香港金融管理局(HKMA)将应对量子风险与扩大香港的资产代币化应用联系起来。自2023年以来,香港已发行了三批代币化绿色债券,总规模约168亿港元。此外,HKMA在2024年6月成立了一个专家组,旨在推动债务市场中的代币化应用,并举例说明了汇丰银行正在测试用于代币化黄金交易的抗量子技术。

你可能也喜歡

LeCun连续转发,新作VISReg攻克JEPA世界模型「表征坍塌」核心难题

近日,图灵奖得主Yann LeCun连续转发并高度认可了一项名为VISReg的自监督学习新工作。该工作旨在攻克JEPA世界模型中长期存在的“表征坍塌”核心难题。表征坍塌是指模型倾向于将不同输入映射到相同或极少数向量上,导致学到的表征缺乏判别力。 传统方法多依赖复杂的启发式技巧来抑制坍塌,但训练脆弱且可解释性差。VISReg的解决思路是将正则化目标解耦为独立的“尺度”和“形状”两部分。尺度部分通过方差项防止表征幅值塌缩,并在塌缩时能保持稳定的梯度;形状部分则通过带停止梯度的归一化和切片Wasserstein距离,将表征的分布形状对齐到标准高斯分布,从而完整地约束高阶统计特性。 这种方法实现了尺度和形状的优化互不干扰,有效解决了前代方法SIGReg在塌缩时梯度消失、以及尺度与形状耦合的问题。VISReg实现简洁,计算复杂度低,且易于扩展到大规模训练。 实验表明,在未使用任何启发式技巧的情况下,VISReg在15个数据集(涵盖域内、分布外、医疗、天文等多领域)的综合评估中,表现优于或媲美DINO、MAE等7种主流方法。特别是在分布外泛化任务上,仅使用约十分之一的数据量,其性能便追平了使用十倍数据训练的DINOv2。此外,在迁移微调、低质量数据鲁棒性以及生成引导等任务上也显示出优势。 VISReg为自监督学习提供了一种更稳定、高效且泛化能力强的正则化方案,为构建更强大的JEPA世界模型奠定了基础。

marsbit16 分鐘前

LeCun连续转发,新作VISReg攻克JEPA世界模型「表征坍塌」核心难题

marsbit16 分鐘前

交易

現貨
活动图片