1.一種允許量子神經(jīng)網(wǎng)絡(luò)在加密經(jīng)典數(shù)據(jù)上訓(xùn)練和測試的方法,其特征在于,該方法包括:
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,加密器en和量子預(yù)測器qnn的協(xié)同訓(xùn)練包括:
3.如權(quán)利要求1所述允許量子神經(jīng)網(wǎng)絡(luò)在加密經(jīng)典數(shù)據(jù)上訓(xùn)練和測試的方法,其特征在于,所述加密器en和預(yù)測器qnn訓(xùn)練過程具體如下:
4.如權(quán)利要求3所述允許量子神經(jīng)網(wǎng)絡(luò)在加密經(jīng)典數(shù)據(jù)上訓(xùn)練和測試的方法,其特征在于,所述qnn的目標(biāo)是通過x'來間接、準(zhǔn)確地預(yù)測x的標(biāo)簽,即使得qnn的預(yù)測誤差盡地小;
5.如權(quán)利要求3所述允許量子神經(jīng)網(wǎng)絡(luò)在加密經(jīng)典數(shù)據(jù)上訓(xùn)練和測試的方法,其特征在于,所述lpre在不同的機(jī)器學(xué)習(xí)任務(wù)中可以有不同的定義,如在分類任務(wù)中常由交叉熵定義,在回歸任務(wù)中常由均方誤差定義;可以看出,n*mse=(l2)2,mse與l2范數(shù)成正比,所以lenc也可由mse定義。在訓(xùn)練階段,用戶通常會拿m個訓(xùn)練數(shù)據(jù)即一個訓(xùn)練數(shù)據(jù)集來訓(xùn)練模型,此時損失會取所有訓(xùn)練數(shù)據(jù)的損失的平均值,即或其中x(i)是第i個訓(xùn)練數(shù)據(jù)。
6.如權(quán)利要求1所述允許量子神經(jīng)網(wǎng)絡(luò)在加密經(jīng)典數(shù)據(jù)上訓(xùn)練和測試的方法,其特征在于,所述qnn模型的測試具體如下:
7.如權(quán)利要求1所述允許量子神經(jīng)網(wǎng)絡(luò)在加密經(jīng)典數(shù)據(jù)上訓(xùn)練和測試的方法,其特征在于,在所述qnn的訓(xùn)練和推理的過程中,量子云服務(wù)器端始終只能在加密數(shù)據(jù)上進(jìn)行計算,不能訪問原始輸入數(shù)據(jù),該框架保證了用戶的輸入數(shù)據(jù)的隱私;此外,ecn框架中的qnn是在加密數(shù)據(jù)上訓(xùn)練的,其只能學(xué)習(xí)到加密數(shù)據(jù)的知識而以高準(zhǔn)確率預(yù)測加密數(shù)據(jù),而不能準(zhǔn)確地預(yù)測原始數(shù)據(jù);量子云服務(wù)器和第三方攻擊者在沒有客戶端的訓(xùn)練好的加密器的情況下無法直接使用基于ecn的qnn模型較準(zhǔn)確地預(yù)測原始數(shù)據(jù);所以,該框架也意外地可以保護(hù)qnn的模型隱私。
8.一種實施如權(quán)利要求17任意一項所述允許量子神經(jīng)網(wǎng)絡(luò)在加密經(jīng)典數(shù)據(jù)上訓(xùn)練和測試的方法的允許量子神經(jīng)網(wǎng)絡(luò)在加密經(jīng)典數(shù)據(jù)上訓(xùn)練和測試系統(tǒng),其特征在于,該系統(tǒng)包括:
9.一種計算機(jī)可讀存儲介質(zhì),存儲有計算機(jī)程序,所述計算機(jī)程序被處理器執(zhí)行時,使得所述處理器執(zhí)行如權(quán)利要求16任意一項所述允許量子神經(jīng)網(wǎng)絡(luò)在加密經(jīng)典數(shù)據(jù)上訓(xùn)練和測試的方法的步驟。
10.一種信息數(shù)據(jù)處理終端,其特征在于,所述信息數(shù)據(jù)處理終端用于實現(xiàn)如權(quán)利要求7所述允許量子神經(jīng)網(wǎng)絡(luò)在加密經(jīng)典數(shù)據(jù)上訓(xùn)練和測試的系統(tǒng)。