.png){kind=icon}
返回
Ensuring superior learning outcomes and data security for authorized learner
.png){kind=icon}
PRE
AI
DOI：10.1088/2058-9565/adc501.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
学习者在机器学习中生成一个接近目标函数的假设的能力至关重要。实现这一点需要充足的数据；然而，窃听学习者的非授权访问可能导致安全风险。因此，通过限制窃听者可访问的训练数据质量来确保“授权”学习者的性能很重要。与侧重于加密或访问控制的先前研究不同，我们提供了一个定理，通过量子标签编码确保授权学习者获得卓越的学习成果。在此背景下，我们使用概率近似正确学习框架，并引入学习概率的概念来定量评估学习者性能。我们的定理允许满足以下条件：给定一个训练数据集，授权学习者保证能达到一定质量的学习成果，而窃听者则不能。值得注意的是，该条件可以仅基于训练数据的授权学习专属可测量量构建，即其大小和噪声程度。我们通过卷积神经网络图像分类学习验证了我们的理论证明和预测。
Keyword:
quantum secure machine learning
quantum data encoding
quantum data security
期刊
IF:
5
论文数:
1.4K
被引数:
5.1K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容