量子科技中心_量科网

该研究团队基于量子假设检验和布莱克韦尔序关系，开发了一个量子差分隐私（QDP）框架。该方法通过假设检验散度刻画(ε,δ)-QDP，并在隐私约束条件下识别最具信息量的量子态对。研究人员将此框架应用于量子学习算法的稳定性分析，将经典结论推广至δ>0的情况。此外，该工作还研究了私有化量子参数估计问题，推导出QDP约束下量子费希尔信息的紧致界。最后，针对冰球棍散度度量标准，研究人员建立了差分隐私量子通道的近最优收缩界。