Come possiamo condividere l’intelligenza quantistica senza rivelare i nostri dati?

CS‑QFL collega laboratori universitari, ospedali e centri di ricerca in una rete sicura. Ogni nodo mantiene i propri dati privati mentre contribuisce a un modello quantico condiviso. La crittografia quantistica omomorfica consente di eseguire calcoli sui dati crittografati. I circuiti quantistici variazionali (VQCs) regolano i parametri del modello sfruttando il rumore quantico. Il protocollo addestra modelli senza mai rivelare i dataset grezzi. Nelle simulazioni con cinque silos, il modello globale ha raggiunto il 94,2% di accuratezza. Questo corrisponde ai risultati centralizzati con un margine dell’1,5%. La comunicazione è diminuita del 38% rispetto al federated learning classico. I parametri quantici compressi riducono le esigenze di banda. I controlli di sicurezza mostrano una fedeltà dello stato superiore a 0,992. Tale fedeltà blocca gli eavesdropper e gli attacchi di ricostruzione dei parametri. L’approccio unisce decentralizzazione e protezione di livello quantistico. Gli studenti possono esplorare come gli strumenti quantistici ridisegnano l’intelligenza artificiale collaborativa. Il futuro lavoro estenderà la rete a decine di istituzioni. Rilasci open‑source permetteranno a chiunque di testare ed estendere il protocollo. I ricercatori prima codificano i dati locali in stati quantici usando porte reversibili. Questi stati viaggiano attraverso un canale quantico affidabile verso un hub di aggregazione. L’hub applica operazioni omomorfiche senza decrittografare le informazioni. I VQCs poi eseguono aggiornamenti simili a gradienti ottimizzando i parametri del circuito quantico. Poiché la crittografia è quantistica, anche computer potenti non possono dedurre i dati. La simulazione ha usato modelli di rumore realistici da qubit superconduttori. I risultati mostrano che la compressione quantistica preserva le prestazioni di classificazione. Il consumo energetico rimane basso grazie alla profondità ridotta dei circuiti quantici. Il protocollo supporta anche strati di privacy differenziale per una sicurezza extra. Gli educatori possono usare CS‑QFL come caso di studio per corsi di cybersecurity quantistica. Gli studenti imparano come la teoria matematica incontra l’hardware in applicazioni reali.

Il protocollo CS‑QFL sfrutta due pilastri tecnologici: la crittografia quantistica omomorfica (QHE) e i circuiti quantistici variazionali (VQC). La QHE consente di applicare operazioni logiche direttamente su dati cifrati con chiavi quantistiche, eliminando la necessità di decrittografare le informazioni in chiaro durante l’addestramento. I VQC ottimizzano un circuito quantico parametrizato variando i pesi attraverso algoritmi di ottimizzazione classica, generando gradienti che riflettono la struttura dello stato quantico distribuito. A livello di rete, ogni silo invia un vettore di parametri quantici altamente compresso, calcolato tramite codifica quantistica di errore, riducendo drasticamente l’overhead di comunicazione. La fedeltà dello stato, definita come ⟨ψ|ρ|ψ⟩, rimane superiore a 0,992 grazie all’aggregazione sicura quantistica, che combina firme quantistiche e un meccanismo di mixing basato su rotazioni di Bloch. Questa fedeltà garantisce che l’aggregazione non introduca errori significativi, proteggendo il modello da attacchi di tipo “man‑in‑the‑middle” e da ricostruzioni basate su misure di parametri classici. Analisi di sicurezza formali dimostrano che l’entropia condizionale della chiave quantistica rimane alta, fornendo sicurezza informatica resistente agli attacchi quantistici. I risultati sperimentali su cinque silos indipendenti mostrano un’accuratezza di classificazione del 94,2% su dataset quantici distribuiti, allineandosi ai baseline centralizzati con un divario dell’1,5%. La riduzione del 38% del traffico di comunicazione deriva direttamente dalla compressione quantistica e dalla dimensione ridotta dei vettori di parametri. Prospettive future includono l’estensione a centinaia di nodi, l’integrazione con reti quantistiche satellitari e l’applicazione del protocollo a domini biomedicali e finanziari, dove la privacy e la sicurezza sono critiche.