論文の概要: Bridging Quantum Computing and Differential Privacy: Insights into Quantum Computing Privacy
- arxiv url: http://arxiv.org/abs/2403.09173v2
- Date: Mon, 22 Apr 2024 14:29:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 23:14:33.812129
- Title: Bridging Quantum Computing and Differential Privacy: Insights into Quantum Computing Privacy
- Title（参考訳）: 量子コンピューティングと差分プライバシのブリッジ:量子コンピューティングプライバシに関する考察
- Authors: Yusheng Zhao, Hui Zhong, Xinyue Zhang, Yuqing Li, Chi Zhang, Miao Pan,
- Abstract要約: 量子微分プライバシー(QDP)は、プライバシを保存する量子コンピューティングへの最も有望な道の1つである。
本稿では,QDPの様々な実装手法と,DP設定下でのプライバシパラメータの性能について概説する。
- 参考スコア（独自算出の注目度）: 15.024190374248088
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While quantum computing has a strong potential in data-driven fields, the privacy issue of sensitive or valuable information involved in the quantum algorithm should be considered. Differential privacy (DP), which is a fundamental privacy tool widely used in the classical scenario, has been extended to the quantum domain, i.e. quantum differential privacy (QDP). QDP may become one of the most promising avenues towards privacy-preserving quantum computing since it is not only compatible with the classical DP mechanisms but also achieves privacy protection by exploiting unavoidable quantum noise in noisy intermediate-scale quantum (NISQ) devices. This paper provides an overview of the various implementation approaches of QDP and their performance of privacy parameters under the DP setting. Concretely speaking, we propose a taxonomy of QDP techniques, categorized the existing literature based on whether internal or external randomization is used as a source to achieve QDP and how these approaches are applied to each phase of the quantum algorithm. We also discuss challenges and future directions for QDP. By summarizing recent advancements, we hope to provide a comprehensive, up-to-date survey for researchers venturing into this field.
- Abstract（参考訳）: 量子コンピューティングは、データ駆動の分野で大きな可能性を秘めているが、量子アルゴリズムに関わる機密情報や貴重な情報のプライバシーの問題を考慮する必要がある。
古典的なシナリオで広く使われている基本的なプライバシツールである差分プライバシー(DP)は、量子ディファレンシャルプライバシ(QDP)と呼ばれる量子領域に拡張されている。
QDPは、従来のDPメカニズムと互換性があるだけでなく、ノイズの多い中規模量子(NISQ)デバイスで避けられない量子ノイズを利用してプライバシー保護を実現するため、プライバシ保存量子コンピューティングへの最も有望な道の1つである。
本稿では,QDPの様々な実装アプローチと,DP設定下でのプライバシパラメータの性能について概説する。
具体的には、QDP手法の分類法を提案し、内部あるいは外部のランダム化がQDPを実現するために使用されるか、量子アルゴリズムの各フェーズにどのように適用されるかに基づいて、既存の文献を分類した。
また,QDPの課題と今後の方向性についても論じる。
近年の進歩を要約することで、この分野を探求する研究者に対して、包括的で最新の調査を提供したいと思っています。
関連論文リスト
- Optimal Mechanisms for Quantum Local Differential Privacy [1.125100225226559]
本稿では、量子局所微分プライバシー(QLDP)と呼ばれるフレームワークを紹介する。
QLDPはパラメータ$epsilon$を使用して、プライバシリークを管理し、個々の量子状態のプライバシを保証する。
量子ノイズの導入は、古典的なシナリオと同様のプライバシー保護を提供する。
論文 参考訳（メタデータ） (2024-07-18T13:46:16Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Neural auto-designer for enhanced quantum kernels [59.616404192966016]
本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。
私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
論文 参考訳（メタデータ） (2024-01-20T03:11:59Z) - Tuning Quantum Computing Privacy through Quantum Error Correction [12.475140331375666]
本稿では,量子コンピューティングの誤差を低減するために,量子エラー補正技術を活用することを提案する。
量子コンピューティングにおけるプライバシ保護の度合いを規定する手段として,QECが有効な方法であることを示す。
論文 参考訳（メタデータ） (2023-12-22T08:35:23Z) - Harnessing Inherent Noises for Privacy Preservation in Quantum Machine
Learning [11.45148186874482]
我々は,量子機械学習におけるデータプライバシ保護に固有の量子ノイズを活用することを提案する。
特に、ノイズ中規模量子(NISQ)デバイスを考えると、避けられないショットノイズと非コヒーレントノイズを利用する。
論文 参考訳（メタデータ） (2023-12-18T11:52:44Z) - Differential Privacy Preserving Quantum Computing via Projection Operator Measurements [15.024190374248088]
古典コンピューティングでは、プライバシ保護の標準を満たすために、差分プライバシ(DP)の概念を組み込むことができる。
量子コンピューティングのシナリオでは、研究者は量子ノイズを考慮して古典DPを量子微分プライバシー(QDP)に拡張した。
ショットノイズは、量子コンピューティングにおいて、効果的にプライバシ保護を提供することを示す。
論文 参考訳（メタデータ） (2023-12-13T15:27:26Z) - The Evolution of Quantum Secure Direct Communication: On the Road to the
Qinternet [49.8449750761258]
量子セキュア直接通信(QSDC)は、確実に安全であり、量子コンピューティングの脅威を克服する。
関連するポイントツーポイント通信プロトコルについて詳述し、情報の保護と送信方法を示す。
論文 参考訳（メタデータ） (2023-11-23T12:40:47Z) - Towards Quantum-Native Communication Systems: New Developments, Trends,
and Challenges [63.67245855948243]
調査では、量子ドメイン(QD)マルチインプットマルチアウトプット(MIMO)、QD非直交多重アクセス(NOMA)、量子セキュアダイレクト通信(QSDC)などの技術を調査した。
量子センシング、量子レーダ、量子タイミングの現在の状況は、将来の応用をサポートするために簡単にレビューされる。
論文 参考訳（メタデータ） (2023-11-09T09:45:52Z) - Quantum Pufferfish Privacy: A Flexible Privacy Framework for Quantum Systems [19.332726520752846]
量子フグプライバシ(QPP)と呼ばれる量子システムのための多用途プライバシフレームワークを提案する。
古典的なフグのプライバシーにインスパイアされた私たちの定式化は、量子微分プライバシーの限界を一般化し対処します。
ここでは,QPPはダッタ・レディツキー情報スペクトルのばらつきの観点から等価に定式化可能であることを示す。
論文 参考訳（メタデータ） (2023-06-22T17:21:17Z) - Delegated variational quantum algorithms based on quantum homomorphic
encryption [69.50567607858659]
変分量子アルゴリズム(VQA)は、量子デバイス上で量子アドバンテージを達成するための最も有望な候補の1つである。
クライアントのプライベートデータは、そのような量子クラウドモデルで量子サーバにリークされる可能性がある。
量子サーバが暗号化データを計算するための新しい量子ホモモルフィック暗号(QHE)スキームが構築されている。
論文 参考訳（メタデータ） (2023-01-25T07:00:13Z) - Quantum noise protects quantum classifiers against adversaries [120.08771960032033]
量子情報処理におけるノイズは、特に短期的な量子技術において、破壊的で避け難い特徴と見なされることが多い。
量子回路の非偏極雑音を利用して分類を行うことにより、敵に縛られるロバスト性を導出できることを示す。
これは、最も一般的な敵に対して使用できる最初の量子プロトコルである。
論文 参考訳（メタデータ） (2020-03-20T17:56:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。