一种基于单次通信的无数据驱动量子联邦学习方法

本发明属于联邦学习的技术领域，更具体地，涉及一种基于单次通信的无数据驱动量子联邦学习方法。所述方法包括：多个客户端依赖各自本地数据独立训练经典模型，训练完成后仅进行单次通信，将模型表征信息上传到服务器；服务器在接收各客户端上传的模型表征信息后，对这些信息进行统一融合，构建一个集成教师模型；服务器在集成教师模型的指导下，利用伪样本生成器从随机噪声中合成伪样本；利用生成的伪样本，通过软标签蒸馏将集成教师模型的知识迁移到量子学生模型中，最终在服务器端得到统一的量子学生模型。本发明解决了现有量子联邦学习中存在的通信开销大、隐私保护与效率难以兼顾、以及量子硬件资源严重受限等技术问题。