分布式量子计算,特别是分布式量子机器学习,因其能够利用分布式量子资源的集体力量、超越单个量子节点的限制而获得了极大的关注。同时,分布式计算协议中隐私的关键问题仍然是一个重大挑战,特别是在标准的经典联邦学习 (FL) 场景中,参与客户端的数据容易通过服务器的梯度反转攻击而泄露。本文提出了具有量子通信的创新量子协议,旨在解决 FL 问题、加强隐私措施并优化通信效率。与利用表达变分量子电路或差分隐私技术的先前研究相比,我们考虑使用量子态进行梯度信息隐藏,并提出了两种不同的 FL 协议,一种基于隐私内积估计,另一种基于增量学习。这些协议在低通信资源的隐私保护方面取得了重大进展,为高效的量子通信辅助 FL 协议开辟了道路,并为安全分布式量子机器学习的发展做出了贡献,从而解决了量子计算时代的关键隐私问题。
主要关键词