Resumo Técnico: Anonimato de Roteamento e Identificabilidade de Hardware Quântico Ruidoso

1. Declaração do Problema

No paradigma emergente de Computação Quântica como Serviço (QaaS), os usuários submetem circuitos quânticos a provedores de nuvem que os executam em unidades de processamento quântico (QPUs) proprietárias e ruidosas. Embora os provedores muitas vezes desejem ocultar detalhes de implementação, políticas de escalonamento ou o hardware físico específico utilizado, as distribuições clássicas de saída dessas execuções ruidosas e de disparos finitos (finite-shot) contêm inerentemente "impressões digitais" (fingerprints). Essas impressões digitais são assinaturas de ruído específicas do backend impressas nos dados.

Atualmente, a literatura trata essas impressões digitais majoritariamente como ferramentas para verificação ou benchmarking sob uma perspectiva do usuário. No entanto, existe uma lacuna significativa na compreensão das implicações de privacidade do lado do provedor: até que ponto um provedor pode anonimizar suas escolhas de roteamento (ou seja, esconder qual backend executou um circuito) sem comprometer a utilidade do serviço? A questão central abordada é: Quanto a informação de roteamento é vazada pelos resultados clássicos de hardware quântico ruidoso?

2. Metodologia e Estrutura

O Jogo de Identificabilidade de Backend

Os autores formalizam o problema de privacidade como um jogo operacional entre um usuário (adversário) e um provedor:

1. Configuração (Setup): O provedor seleciona um backend oculto $D_I$ de um conjunto de candidatos de acordo com uma distribuição a priori.
2. Interação: O usuário submete um circuito de carga de trabalho $C$ (amostrado de um conjunto acordado).
3. Execução: O provedor executa $C$ em $D_I$ para $m$ disparos, gerando uma distribuição empírica bruta.
4. Pós-processamento: O provedor aplica um mapa determinístico $\phi$ à distribuição bruta para produzir um transcrito $X$ retornado ao usuário.
5. Adivinhação (Guessing): O usuário tenta adivinhar o rótulo do backend $I$ com base em $X$.

O objetivo do provedor é garantir que a probabilidade de sucesso do usuário não seja superior ao acaso (anonimato), enquanto o usuário visa maximizar a precisão da identificação.

Formalização Teórica

O artigo estabelece vários pilares teóricos:

• Redução ao Teste de Hipóteses: A identificabilidade do backend é mostrada como sendo exatamente equivalente a um problema clássico de teste de hipóteses estatísticas. A probabilidade de identificar corretamente um backend está diretamente relacionada à distância de Variação Total (TV) entre as leis dos transcritos induzidos pelos backends.
• Roteamento Persistente e Taxa de Chernoff: Em um cenário de múltiplos turnos onde o usuário sonda um backend fixo de forma passiva e independente (i.i.d.), o artigo prova que o anonimato do roteamento decai exponencialmente. A taxa desse decaimento é governada pela informação de Chernoff entre as leis dos transcritos dos backends concorrentes.
• Compromisso Utilidade-Anonimato: Os autores introduzem um teorema de "Não há Almoço Grátis" (No-Free-Lunch). Eles formalizam que qualquer mapa de pós-processamento $\phi$ projetado para preservar a utilidade do serviço (por exemplo, estimar a energia do estado fundamental) não pode remover a informação específica do roteamento que já está codificada dentro dessa utilidade. Consequentemente, existe um limite fundamental para o anonimato; não se pode aumentar o anonimato além do nível da lei de utilidade sem degradar o serviço.
• Princípio da Profundidade Intermediária: Usando um modelo de matriz de transferência de Pauli (PTM), o artigo prova que a identificabilidade do backend é um fenômeno de profundidade intermediária.
  • Profundidades rasas: Os backends são indistinguíveis porque aproximam demais o circuito ideal.
  • Profundidades profundas: O ruído de mistura comum (depolarização) apaga os sinais específicos do backend.
  • Profundidades intermediárias: O ruído acumulou-se o suficiente para revelar a estrutura do backend, mas não o suficiente para colapsar em um comportamento universal, criando uma "janela" de máxima identificabilidade.
• Distância de Carga de Trabalho Sondada: Os autores propõem uma (pseudo-)distância de canal, $\delta_\mu$, adaptada ao conjunto de carga de trabalho específico do usuário. Eles mostram que isso fornece um limite mais justo e prático de distinguibilidade do que a norma de diamante (diamond norm) de pior caso.

3. Resultados Experimentais

A estrutura teórica foi validada usando Amazon Braket na AWS, executando experimentos em três QPUs distintas:

• Rigetti Ankaa-3 (Supercondutora)
• IQM Garnet (Supercondutora)
• IonQ Aria-1 (Armadilha de íons)

Design Experimental:

• Cargas de Trabalho: Dois tipos de circuitos de sondagem foram usados: "profundidade variada" (circuitos aleatórios de profundidades variadas) e "tempo variado" (circuitos GHZ repetidos).
• Pós-processamento: Diversos mapas determinísticos foram aplicados aos resultados brutos para testar sua capacidade de suprimir impressões digitais.
• Classificação: Classificadores simples de aprendizado de máquina foram treinados nos transcritos resultantes.

Principais Descobertas:

• Alta Identificabilidade: Classificadores alcançaram 87–90% de precisão ao distinguir entre os dois backends supercondutores (do mesmo tipo) e 96–100% de precisão ao distinguir entre plataformas supercondutoras e de armadilha de íons (tipos diferentes) usando características brutas.
• Resiliência ao Pós-processamento: A identificabilidade sobreviveu a várias formas de pós-processamento. Por exemplo, características de razão logarítmica ainda renderam 66–77% de precisão para classificação de mesmo tipo.
• Estruturado vs. Aleatório: Circuitos altamente estruturados (GHZ) permitiram uma classificação perfeita (100%), destacando que a escolha da carga de trabalho impacta significativamente o anonimato.
• Dinâmicas Temporais: Enquanto as impressões digitais de longo prazo foram fortes, a estrutura temporal de curto prazo (dentro de um lote de dados de tempo variado) foi mais difícil de classificar, sugerindo que o roteamento persistente de curto prazo pode oferecer um anonimato ligeiramente melhor do que o de longo prazo, embora circuitos aleatórios ainda mantenham alta identificabilidade.

4. Principais Contribuições

1. Estrutura Unificada: A primeira definição formal de anonimato de roteamento como uma noção de segurança para serviços quânticos em nuvem, operacionalizada através de um jogo de identificabilidade de backend.
2. Caracterização Estatística: Uma redução da identificação de backend ao teste de hipóteses, ligando o decaimento do anonimato à informação de Chernoff e o viés de distinção à distância de Variação Total.
3. Compromisso Utilidade-Anonimato: Uma prova formal estabelecendo que os provedores não podem remover a informação específica do backend sem degradar a utilidade prometida do serviço.
4. Princípio da Profundidade Intermediária: Uma prova teórica de que a distinguibilidade do backend atinge o pico em profundidades de circuito intermediárias, limitada pelo acúmulo e mistura de ruído.
5. Métricas Práticas: Introdução de uma distância de canal sondada pela carga de trabalho que oferece limites mais justos e experimentalmente alcançáveis de anonimato em comparação com normas de pior caso como a norma de diamante.
6. Validação Empírica: Demonstração de que o hardware quântico ruidoso do mundo real vaza informações significativas de roteamento, mesmo entre dispositivos da mesma arquitetura, e que esse vazamento persiste através de vários métodos de pós-processamento.

5. Significância e Alegações

O artigo afirma estabelecer o anonimato de roteamento como um requisito de segurança distinto e crítico para a computação quântica em nuvem, separado da privacidade do usuário (blind quantum computation) já amplamente estudada.

Os autores argumentam que:

• As saídas atuais da nuvem quântica não são meras aproximações ruidosas de distribuições ideais, mas contêm impressões digitais aprendíveis e específicas do backend.
• Os provedores não podem confiar apenas em "esconder o rótulo"; as características físicas do ruído revelam inerentemente a identidade.
• Existe um compromisso matematicamente provável entre a utilidade do serviço e o anonimato do roteamento.
• A janela de "profundidade intermediária" representa o regime onde a identificabilidade é mais alta, sugerindo que a profundidade do circuito é um parâmetro chave tanto para benchmarking quanto para análise de privacidade.

O trabalho fornece um quadro para quantificar esses riscos e sugere que os futuros provedores de serviços devem considerar cuidadosamente a seleção de carga de trabalho, a contagem de disparos (shots) e as estratégias de pós-processamento para equilibrar a utilidade com a privacidade de sua infraestrutura de roteamento. O artigo observa explicitamente que não visa reconstruir modelos de ruído completos ou realizar tomografia, mas sim quantificar o risco de vazamento de identidade em cenários práticos de disparos finitos.