CQSA：面向联邦学习的鲁棒性集群量子安全聚合

联邦学习（FL）通过不共享原始数据来实现协作模型训练。然而，共享的本地模型更新仍然 vulnerable to 推理和投毒攻击。已提出安全聚合方案来缓解这些攻击。在本工作中，我们旨在理解这些技术在量子辅助 FL 中的实现方式。量子安全聚合（QSA）已提出，通过对客户端更新编码到多部分纠缠态的全局相位中，提供信息论隐私。然而，现有的 QSA 协议依赖于由所有参与客户端共享的单个全局 GHZ 态。这种设计提出了根本性挑战：大规模 GHZ 态的保真度随着客户数量的增加而快速恶化；（ii）全局聚合阻止了对鲁林素客户的检测。我们提出了集群量子安全聚合（CQSA），一种模块化聚合框架，协调近期量子硬件的物理限制以及 FL 中对鲁林素性的需求。CQSA 随机将客户端划分为小型集群，每个集群使用高保真、低量子比特 GHZ 态进行本地量子聚合。服务器通过分析集群级别聚合之间的统计关系（例如余弦相似性和欧几里得距离）来识别恶意贡献。通过理论分析和在极化噪声下的仿真，我们展示 CQSA 确保稳定的模型收敛，实现了相对于全局 QSA 更高的状态保真度。