Q-ShiftDP：面向量子机器学习的差分隐私参数移位规则
Q-ShiftDP: A Differentially Private Parameter-Shift Rule for Quantum Machine Learning
AI 导读
研究者提出差分隐私参数移位规则 Q-ShiftDP，作者称这是首个专为量子机器学习（QML）定制的隐私机制。该方法利用参数移位规则下量子梯度有界且随机的特性，实现更紧的敏感度分析并降低噪声需求，将校准的高斯噪声与量子固有噪声结合，提供形式化隐私与效用保证。基准数据集实验显示，Q-ShiftDP 在 QML 中始终优于 DP-SGD 等经典差分隐私方法。