一种基于分布式盲量子计算的量子联邦学习方法

本发明属于联邦学习技术领域，具体涉及一种基于分布式盲量子计算的量子联邦学习方法；包括：将训练集数据通过基于哈夫曼树编码的基编码映射成量子数据；在模型训练过程中，通过自然梯度下降法更新模型信息；通过分布式盲量子计算的架构，客户端对量子进行旋转Z门操作将模型聚合任务委托给服务器。通过本发明所提出的方法，客户端的模型信息始终对服务器保持盲化，提升了数据隐私安全性；此外，自然梯度下降法结合了量子几何张量，提高了寻找全局最小值的效率，提高了模型的性能和准确性。