保护输入数据和参数的量子神经网络隐私保护方法及系统
摘要文本
本发明属于量子机器学习隐私保护技术领域，公开了一种保护输入数据和训练参数的量子神经网络隐私保护方法及系统，包括：对原始样本集进行归一化处理；进行样本划分得到待测样本集与训练样本集；根据角度编码或幅度编码，将待测样本与训练样本集的属性值进行量子态制备；根据随机X和RZ操作符加密量子态；利用Rz可隐藏参数电路、电路和电路构建量子神经网络模型中Ansatz的同态加密电路设计，将电路设计发送给量子云服务器进行模型训练；更新加密密钥。本发明旨在解决量子机器学习领域中量子神经网络的数据和参数的隐私安全问题，不会影响算法原本的准确率和可用性，与其他隐私保护方案相比拥有更低的复杂度和更高的安全性。
申请人信息
- 申请人:成都信息工程大学
- 申请人地址:610225 四川省成都市西南航空港经济开发区学府路一段24号
- 发明人: 成都信息工程大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 保护输入数据和参数的量子神经网络隐私保护方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311725097.8 |
| 申请日 | 2023/12/15 |
| 公告号 | CN117675196A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | H04L9/08 |
| 权利人 | 成都信息工程大学 |
| 发明人 | 昌燕; 方铖; 张雪健; 张仕斌 |
| 地址 | 四川省成都市西南航空港经济开发区学府路1段24号 |
专利主权项内容
1.一种保护输入数据和训练参数的量子神经网络隐私保护方法，其特征在于，包括：步骤一，数据预处理，客户端对原始样本集进行归一化处理，使得数据分布在统一的范围内；步骤二，样本划分，客户端对预处理后的数据进行样本划分得到待测样本集与训练样本集；步骤三，量子态制备，客户端根据角度编码或幅度编码，将待测样本与训练样本集的属性值进行量子态制备，并将量子态作为量子算法的输入；步骤四，量子态加密，客户端根据随机X和R操作符加密量子态，准备足够的加密辅助量子位，将所有加密的量子态发送给量子服务器；Z步骤五，隐参数量子神经网络电路设计，客户端利用R可隐藏参数电路、电路和/>电路构建量子神经网络模型中Ansatz的同态加密电路设计，隐藏关键参数和原始电路设计，将电路设计发送给量子云服务器进行模型训练；z步骤六，更新加密密钥，客户端根据电路设计和公式更新加密密钥，在服务器完成所有量子门操作后，客户端将最终的解密密钥发送给服务器，服务器对量子态进行解密和测量，得到包含期望的结果并将其发送给客户端。。 （更多数据，详见马克数据网）