.png){kind=icon}
返回
Efficient and Secure Multi-Qubit Broadcast-Based Quantum Federated Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/TIFS.2025.3583901.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
量子联邦学习(QFL)通过结合量子计算和联邦学习的优势，已成为一个有前景的研究方向。然而，现有的QFL解决方案始终未能同时提高客户端训练效率并确保通信安全。在本文中，我们提出了一种新颖的多比特广播式QFL框架(MB-QFL)来解决现有方法中的效率和安全挑战。该框架采用了一种新颖的多比特广播协议和一种量子平均方法来保障信息传输过程的安全。多比特广播协议通过允许从一个发送方向多个(Q)接收方传输任意的S比特状态，克服了现有协议的限制，而早期的协议则仅限于向接收方广播一或两比特状态。此外，我们提出了一种量子状态的平均方法，利用概率克隆技术实现在MB-QFL中的聚合。安全性分析表明，MB-QFL能够有效防御恶意客户端的推理攻击，以及通信过程中的窃听和拦截-重传攻击。MB-QFL的算法复杂度显著低于现有的QFL。此外，实验结果表明，MB-QFL的分类精度高于其他QFL。
Keyword:
Quantum federated learning
quantum machine learning
quantum computation
期刊
IF:
8
论文数:
5.3K
被引数:
2.3W
机构
引用论文
.png){kind=icon}
The Variational Quantum Eigensolver: A review of methods and best practices变分量子本征求解器: 方法和最佳实践的回顾
OAAI
OAAI分享收藏Multicast-based multiparty remote state preparation schemes of two-qubit states基于多播的多方两量子比特态远程制备方案
PREAI
分享收藏Quantum broadcast scheme and multi-output quantum teleportation via four-qubit cluster state基于四量子比特簇态的量子广播和多输出量子隐形传态
PREAI
分享收藏
查看更多内容