一种基于量子噪声的联邦学习隐私保护系统及方法，于2025年由成都信息工程大学网络空间安全学院转让到成都赛宁网安科技有限公司，该公司位于成都市双流区东升街道银河路五段366号。

本发明公开了一种基于量子噪声的联邦学习隐私保护系统及方法，涉及量子联邦学习技术领域。该系统包括服务器，用于构建全局含量子噪声的量子变分线路模型，对量子变分线路模型进行初始化，将初始化模型参数发送至客户端；接收客户端上传的本地梯度并进行梯度聚合，根据聚合梯度更新模型参数并发送至客户端；客户端，用于构建本地含量子噪声的量子变分线路模型，接收服务器发送的初始化模型参数，利用本地数据对量子变分线路模型进行训练，获取本地梯度并上传至服务器。本发明通过利用量子线路中固有噪声对客户端数据提供隐私保护，同时也增强了模型的鲁棒性，既解决了量子线路中不可避免的噪声，又解决了量子联邦学习中用户隐私泄露的问题。