Scifaro

中文

用于隐私保护量子机器学习的量子隐私聚合教师集成（QPATE）

量子物理 2024-01-17 v1 密码学与安全机器学习

作者: William Watkins , Heehwan Wang , Sangyoon Bae , Huan-Hsin Tseng , Jiook Cha , Samuel Yen-Chi Chen , Shinjae Yoo

在 arXiv 上查看 ↗ PDF ↗

摘要

机器学习在过去二十年中应用迅速扩展，并带来了伦理挑战。Papernot等人开发了一种称为教师集成隐私聚合（PATE）的技术，以实现联邦学习，其中多个教师模型在不相交的数据集上进行训练。本研究首次将PATE应用于量子神经网络（QNN）集成，为保障量子机器学习（QML）模型中的隐私开辟了新途径。

关键词

量子机器学习隐私保护教师集成隐私聚合量子神经网络联邦学习 QPATE

引用

@article{arxiv.2401.07464,
  title  = {Quantum Privacy Aggregation of Teacher Ensembles (QPATE) for Privacy-preserving Quantum Machine Learning},
  author = {William Watkins and Heehwan Wang and Sangyoon Bae and Huan-Hsin Tseng and Jiook Cha and Samuel Yen-Chi Chen and Shinjae Yoo},
  journal= {arXiv preprint arXiv:2401.07464},
  year   = {2024}
}