面向二次无约束二值优化 (QUBO) 问题的隐私保护量子退火

量子退火器为求解具有广泛应用的二次无约束二值优化 (QUBO) 问题提供了一种有前景的方法。然而，当用户将其 QUBO 问题提交给第三方量子退火器时，问题本身可能会向量子退火服务提供商泄露用户的隐私信息。为了降低这一风险，我们引入了一个隐私保护的 QUBO 框架，并提出了一种新颖的求解方法。我们的方法结合了按位拆分和矩阵置换，以混淆 QUBO 问题的模型矩阵 $Q$，从而有效隐藏矩阵元素。此外，基于该 QUBO 问题混淆版本的解，我们能够高精度地重构原始问题的解。理论分析和实证测试证实了我们所提技术的有效性和效率，展示了其在量子退火服务中保护用户隐私的潜力。