QML Federado em uma Rede BQC: Impactos do Gerenciamento de Recursos
- 25 May 2026
- conference paper
- Published by Sociedade Brasileira de Computação
- p. 49-54
Abstract
Quantum Machine Learning (QML) oferece vantagens no processamento de dados complexos, mas sua execução em servidores quânticos remotos levanta preocupações de privacidade. Blind Quantum Computing (BQC) busca resolver esse problema ao ocultar dados e circuitos do servidor, embora exija maior consumo de pares EPR na rede quântica. Este trabalho simula uma rede quântica federada com múltiplos clientes treinando modelos QML usando os protocolos BFK e CHILDS, avaliando o impacto na qualidade do aprendizado e no consumo de recursos.Keywords
This publication has 5 references indexed in Scilit:
- Towards Blind Quantum Machine Learning in Entanglement Networks2025
- Rede Generativa Adversarial Quântica Semi-Supervisionada (sQGAN) para Detecção de Ataques2025
- The future of computing beyond Moore’s LawPhilosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 2020
- Universal Blind Quantum Computation2009
- Secure assisted quantum computationQuantum Information & Computation, 2005