一种基于量子噪声的联邦学习隐私保护系统及方法

专利主权项内容

1.一种基于量子噪声的联邦学习隐私保护系统，其特征在于，包括：服务器，用于构建全局含量子噪声的量子变分线路模型，对量子变分线路模型进行初始化，将初始化模型参数发送至客户端；接收客户端上传的本地梯度并进行梯度聚合，根据聚合梯度更新模型参数并发送至客户端；客户端，用于构建本地含量子噪声的量子变分线路模型，接收服务器发送的初始化模型参数，利用本地数据对量子变分线路模型进行训练，获取本地梯度并上传至服务器；构建全局含量子噪声的量子变分线路模型和本地含量子噪声的量子变分线路模型具体为：构造无噪声的量子变分线路模型，设置编码层，将输入数据编码到量子态的振幅上；在量子线路中设置多层旋转门和受控非门作为变分层；在构造的无噪声的量子变分线路模型后添加广义振幅阻尼量子噪声层，具体为：对构造的无噪声的量子变分线路模型的量子线路中的单量子比特添加广义振幅阻尼。