Nov, 2023

隐秘：在不可信任的量子计算机上保护隐私执行 QAOA

PDF
TL;DR我们提出了 Enigma，这是一套专门为量子近似优化算法（QAOA）设计的隐私保护方案，通过转变 QAOA 的输入问题使得输出电路和结果对服务器来说是无法理解的。我们介绍了 Enigma 的三个变体，通过在不同层面上进行隐私保护来获得原问题的解决方案，并在 IBM 量子设备上评估了 Enigma 的性能。
quantum computersprivacy-preservingenigmaquantum approximate optimization algorithmlow-cost
发现论文，激发创造
  • 量子近似优化算法实现量子霸权

    该文研究了基于门模型的量子计算机上的量子近似优化算法（QAOA）及其可能表现出的量子霸权，发现即使低深度 QAOA 的输出也无法在任何经典设备上进行高效模拟，并提出了量子绝热算法（QADI）仍存在一个 oracle 使采样成为可能的限制。这表明 QAOA 不仅可能在优化方面有用，而且在实现量子霸权方面也具有潜力。

    Feb, 2016

  • PristiQ：云中保护量子学习数据安全的协同设计框架

    提出了一个用于保护量子机器学习数据安全的共同设计框架 PrisitQ，通过引入一个带有用户定义安全密钥的附加安全量子位加密子电路，可以显著增强数据安全性，并提出了自动搜索算法来优化在加密量子数据上的模型以保持其性能。该框架在模拟和实际 IBM 量子计算机上的实验结果都证明了 PristiQ 提供高度安全性的能力，同时在量子机器学习中保持模型性能。

    Apr, 2024

  • 隐私与效用权衡的量子解决方案

    本研究提出了一种基于量子密码原理的全新架构，可用于对生成模型的成员推理攻击进行保障隐私和安全性，通过量子门和酉算子相结合相较于标准差分隐私技术，在保护安全性方面具有内在优势。

    Jul, 2023

  • 学习优化变分量子电路来解决组合问题

    本文提出了两种基于机器学习的方法，采用强化学习 (RL) 框架和核密度估计 (KDE) 技术，分别用于优化 QAOA 电路，从小规模问题实例中学习，然后在较大的问题实例中使用，结果表明与其他现成的优化器相比，这两种方法可以将优化度缺口减少多达 30.15 个因子。

    Nov, 2019

  • STIQ: 保护量子神经网络的训练和推理免受不可信云的威胁

    该研究论文介绍了一种新颖的基于集成的策略，名为 STIQ，用于在云环境中保护 Quantum Neural Networks（QNNs）的安全性，通过同时训练两个不同的 QNNs，并对它们的输出进行混淆，从而有效地掩盖了单个模型的准确度和损失，以增强 QNNs 在云环境中的安全性和完整性。

    May, 2024

  • 隐私保护的量子联邦学习通过梯度隐藏

    在分布式量子计算中，隐私保护一直是一个重要挑战，本文提出了两种基于量子状态的联邦学习协议，旨在优化隐私保护措施和通信效率，为高效的基于量子通信的联邦学习协议的发展以及安全的分布式量子机器学习做出了重要贡献。

    Dec, 2023

  • 量子机器学习隐私优势的前景

    保证数据隐私在机器学习模型中至关重要，尤其是在分布式环境中，其中模型梯度通常在多个参与方之间共享，以实现协同学习。该研究揭示了基于量子机器学习模型的梯度中恢复输入数据的困难程度，并发现了动力学李代数在决定隐私漏洞方面的重要作用。研究结果显示，作为学习模型的变分量子电路的动力学李代数的某些特性可能导致隐私泄露，使得能够从输入数据的快照中训练用于不同学习任务的变分量子电路模型。此外，研究还探讨了从这些快照中恢复原始输入数据的条件，建立了与编码映射、动力学李代数基的重合度以及傅里叶频率特性等相关的条件，从而使得用于近似多项式时间恢复原始输入数据的经典或量子辅助方法成为可能。因此，该研究的发现对于指导设计平衡可训练性和强大隐私保护的量子机器学习模型的要求至关重要。

    May, 2024

  • 量子效率高的变分量子算法用于图像分割

    量子计算可以应用于图像分割的无监督学习任务，本文提出了两种优化算法（Parametric Gate Encoding 和 Adaptive Cost Encoding）来寻找最佳分割掩膜，并且分析了这些方法与量子近似优化算法的可伸缩性，为量子增强计算机视觉的进一步研究提供了基础。

    May, 2024

  • 利用内在噪声进行量子机器学习隐私保护

    利用量子计算中的自然噪声保护量子机器学习模型的数据隐私，在不同次数运行量子电路可以实现目标隐私保护水平。

    Dec, 2023

  • 变分量子克隆：提高量子密码分析的实用性

    我们提出了一种基于量子机器学习的密码分析算法，名为变分量子复制（VQC），可用于获取短深度量子电路的最佳（近似）克隆策略，使密码分析者能够以低计算资源得到硬件有效量子电路，从而提高量子秘钥协商的安全性。

    Dec, 2020