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

    公开(公告)号:CN117675196B

    公开(公告)日:2025-02-14

    申请号:CN202311725097.8

    申请日:2023-12-15

    Abstract: 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、#imgabs0#电路和#imgabs1#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。

    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

    公开(公告)号:CN117675196A

    公开(公告)日:2024-03-08

    申请号:CN202311725097.8

    申请日:2023-12-15

    Abstract: 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。

Patent Agency Ranking