Bridging Quantum Computing and Differential Privacy: A Survey on Quantum Computing Privacy

量子计算在密码学、网络安全和药物发现等领域引起了广泛关注。由于并行处理的优势，量子计算可以加速复杂挑战的响应和大规模数据集的处理。然而，由于量子计算通常需要敏感数据集，隐私泄露已成为一个重要问题。差分隐私（DP）是一种在经典计算中有前途的隐私保护方法，并在近年来扩展到量子领域。在本文中，我们根据使用内在固有噪声或外部人工噪声作为源来实现量子计算中的DP，对现有文献进行分类。我们探讨了这些方法如何在量子算法的不同阶段（即状态准备、量子电路和量子测量）中应用。我们还讨论了DP在量子计算中的挑战和未来方向。通过总结最近的进展，我们希望为进入这个领域的研究人员提供全面、最新的概述。

量子计算中隐私保护问题的研究

将差分隐私方法应用于量子计算中，以保护敏感数据的隐私

将现有的量子差分隐私方法分为两类：使用内在噪声和使用外部噪声，探讨了这些方法在量子算法的不同阶段的应用。论文总结了最近的研究进展，并提出了未来的挑战和方向。

相关论文：1. Quantum Private Query with Limited Coin Flips; 2. Quantum Private Comparison with Almost Optimal Rate of Capacity