Equivariant Quantum Clustering with Differential Privacy: Parameter-Efficient Privacy-Preserving Analysis Across Heterogeneous Sensitive Datasets
本論文は、対称性を考慮した量子回路と差分プライバシーを組み合わせることで、異種混合の機密データセットに対して優れたプライバシーと有用性のトレードオフを実現する、パラメータ効率の高いフレームワークであるEquivariant Quantum Clustering(EQC)を導入しており、NSL-KDDやMIMIC-IIIといったベンチマークにおける高い精度とメンバーシップ推論攻撃に対する脆弱性の低減によってその有効性が実証されている。