HYPER-Q：通过理论机制保障混合量子学习的隐私
Guaranteeing Privacy in Hybrid Quantum Learning through Theoretical Mechanisms
AI 导读
HYPER-Q 是一种混合经典与量子噪声的加噪机制，用于保护量子机器学习模型的隐私。量子噪声在差分隐私框架下与经典机制组合可满足形式化 (ε, δ)-DP 保证，从而减少经典扰动而不牺牲隐私预算，有望提升效用。作者给出隐私保证与效用理论界，并在多个真实数据集上显示 HYPER-Q 的对抗鲁棒性优于现有经典加噪机制。