量子河豚隐私：一种面向量子系统的灵活隐私框架

我们提出了一种面向量子系统的通用隐私框架，称为量子河豚隐私（QPP）。受经典河豚隐私启发，我们的表述推广并解决了量子差分隐私的局限性，在指定私有信息、可行测量与领域知识方面提供了灵活性。我们证明 QPP 可等价地用 Datta-Leditzky 信息谱散度表述，从而首次给出其操作性解释。我们将该散度重新表述为半定规划，并推导其若干性质，进而用于证明 QPP 机制的凸性、可组合性与后处理性。我们还推导了保证去极化机制满足 QPP 的参数。我们分析了一般 QPP 机制的隐私-效用权衡，并再次以去极化机制作为显式实例进行研究。随后将 QPP 框架应用于隐私审计，通过利用量子算法的假设检验流程识别隐私泄露。我们还探讨了其与量子公平性及其他量子散度的联系，并考察了 QPP 的若干变体。