信息处理方法、装置、设备、存储介质及程序产品制造方法及图纸

本发明专利技术公开了一种信息处理方法、装置、设备、存储介质及程序产品，该方法包括：通过量子网络，将制备的量子纠缠态中的量子比特分别发送给参与联邦学习的多个参与方中的各个数据提供方，以使各个所述数据提供方将各自的本地模型参数编码到所述量子纠缠态中的量子比特上，得到目标量子比特；接收各个所述数据提供方发送的目标量子比特；根据所述目标量子比特，确定全局模型的参数，所述全局模型的参数用于支持所述多个参与方进行联邦学习。本发明专利技术可以更加全面地实现在有效保护隐私前提下，高精度且计算开销较小的安全聚合。精度且计算开销较小的安全聚合。精度且计算开销较小的安全聚合。

【技术实现步骤摘要】
信息处理方法、装置、设备、存储介质及程序产品


[0001]本专利技术涉及信息处理
，尤其涉及一种信息处理方法、装置、设备、存储介质及程序产品。

技术介绍

[0002]联邦学习旨在通过建立一个基于分布数据集的机器学习模型，来解决数据孤岛问题。在训练全局模型的过程中，每一数据提供方拥有的数据都不会离开其拥有者；其中，数据提供方的本地模型相关的信息以加密形式在各方直接传输和交换，在保证任何一个数据提供方都不能推测出其他数据提供方的原始数据的前提下，对各个数据提供方的本地模型进行安全聚合，得到性能更优的全局模型。
[0003]目前，实现对本地模型的安全聚合的常见方案有如下几种：私密共享、同态加密、差分隐私、多方量子加密加法；但是，以上的几种安全聚合方案存在计算量大、隐私泄露、人为的精度损失、无法有效实现多方实数加法等缺点。
[0004]因此，现有技术中的安全聚合方案存在局限性，无法实现在有效保护隐私前提下，高精度且计算开销较小的安全聚合。

技术实现思路

[0005]本专利技术的主要目的在于提供一种信息处理方法、装置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息处理方法，其特征在于，所述方法应用于参与联邦学习的多个参与方中的协调方；所述方法包括：通过量子网络，将制备的量子纠缠态中的量子比特分别发送给参与联邦学习的多个参与方中的各个数据提供方，以使各个所述数据提供方将各自的本地模型参数编码到所述量子纠缠态中的量子比特上，得到目标量子比特；接收各个所述数据提供方发送的目标量子比特；根据所述目标量子比特，确定全局模型的参数，所述全局模型的参数用于支持所述多个参与方进行联邦学习；其中，所述量子纠缠态中的量子比特用于表示处于纠缠状态中的多个量子比特，所述多个量子比特的数目与所述目标量子比特的数目一致。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标量子比特，确定参与联邦学习的全局模型的参数，包括：根据所述目标量子比特，通过第一预设量子线路执行解码操作，得到各个所述数据提供方对应的参数之和，所述第一预设量子线路包括至少一种量子门；将所述参数之和作为参与联邦学习的全局模型的参数。3.根据权利要求2所述的方法，其特征在于，所述根据所述目标量子比特，通过第一预设量子线路执行解码操作，得到各个所述数据提供方对应的参数之和，包括：确定所述目标量子比特对应的量子纠缠态；通过所述第一预设量子线路，对所述目标量子比特对应的量子纠缠态进行解码，得到各个所述数据提供方对应的参数之和。4.根据权利要求3所述的方法，其特征在于，各个所述数据提供方的各自的本地模型参数为映射到区间上的实数；其中，N为数据提供方的数目；所述通过所述第一预设量子线路，对所述目标量子比特对应的量子纠缠态进行解码，得到各个所述数据提供方对应的参数之和，包括：通过所述第一预设量子线路，对所述目标量子比特对应的量子纠缠态进行解码，得到测量所述目标量子比特对应的量子纠缠态中第一个量子比特为0的实际概率；根据所述实际概率以及预设概率关系，得到各个所述数据提供方对应的参数之和；其中，所述预设概率关系为所述参数之和与第一个量子比特为0的概率之间的关系。5.根据权利要求2
‑
4任一项所述的方法，其特征在于，所述通过量子网络，将制备的量子纠缠态中的量子比特分别发送给参与联邦学习的多个参与方中的各个数据提供方，包括：根据第二预设量子线路，确定量子纠缠态，所述第二预设量子线路包括多个量子比特和至少一种量子门；通过量子网络，将所述量子纠缠态发送给参与联邦学习的多个参与方中的各个数据提供方；其中，所述第一预设量子线路是由所述第二预设量子的反向线路以及测量门构成的。6.一种信息处理方法，其特征在于，所述方法应用于参与联邦学习的多个参与方中的数据提供方；所述方法包括：
通过量子网络，接收参与联邦学习的多个参与方中的协调方发送的量子纠缠态；...

【专利技术属性】
技术研发人员：张亦弛，范力欣，曾蓓，
申请(专利权)人：香港科技大学，
类型：发明
国别省市：