Blind Transpiler: An open-source library for universally blind and homomorphic quantum computations

想象一下，互联网是一个巨大且繁忙的图书馆，你可以要求图书管理员帮你做作业。在经典世界中，你必须交出你凌乱的笔记、具体的问题和最终答案，并信任图书管理员不会窥视你的秘密或偷走你的想法。但如果这个图书管理员是一个大脑由光构成的超级智能机器人呢？这就是量子计算的世界。它承诺解决那些需要普通计算机运行数百万年的问题，但它也有一个代价：为了使用它，你通常必须放弃隐私。你必须将数据发送到远程的“量子云”，而人们担心云服务提供商可能会看到你所做的一切。

这就是一个被称为“盲量子计算”（Blind Quantum Computation）的聪明概念。把它想象成向魔术师发送一个密封的、锁着的盒子。你把盒子交给魔术师，他在盒子上表演一个复杂的戏法。当他把盒子寄回时，盒子仍然是锁着的，但现在里面包含了戏法的执行结果。魔术师从未见过盒子里是什么，也从未见过最终答案。他们只是完成了工作。这篇论文关于构建第一个“翻译器”工具，它能帮助普通人将他们的量子作业转化为这些密封的、神奇的盒子，这样他们就可以在使用云端的同时不被任何人窥视。

---

问题所在：“玻璃房”中的量子云

目前，如果你想使用量子计算机，你必须将数据发送到远程服务器。这就像住在一个完全由玻璃制成的房子里；服务器可以看到你所做的一切。虽然这对于速度非常有益，但对于隐私来说却非常糟糕。你可能正在运行一个秘密的医疗算法或私密的财务模型，你不希望服务器所有者知道你在计算什么。

科学家们已经想出了如何隐藏这些信息的方法。他们开发了“盲量子计算”（BQC）。这是一种加密技术，你在发送数据之前先对其进行加密。服务器进行数学运算，但它收到的结果对于没有密钥的人来说看起来就像随机噪声。只有你，即客户端，才能解锁最终答案。

然而，有一个巨大的缺失环节：没有人建立过一个让这件事变得简单的工具。 研究人员每次想要测试一个新想法时，都必须从头开始编写复杂的加密代码。这就像是想烤一个蛋糕，却必须先发明烤箱和面粉磨坊。这使得快速测试这些隐私理念或观察它们在现实世界中是否有效变得非常困难。

解决方案：“盲转译器”（The Blind Transpiler）

于是，由 Mohit Joshi、Manoj Kumar Mishra 和 S. Karthikeyan 开发的一个名为 Blind Transpiler 的全新开源软件库诞生了。你可以将这个库看作是量子电路的“通用翻译器”。

它的工作原理如下（用简单的术语来说）：

1. 你照常编写代码： 你使用一种名为 Qiskit 的流行工具创建一个量子电路（即量子计算的配方）。
2. 转译器接管： 你将这个配方输入到 Blind Transpiler 中。
3. 魔法发生： 该库会自动重写你的配方。它添加了“加密”层（就像将你的指令包裹在隐形且不断变化的纸张中）和“委托”层（关于服务器应如何处理这些包裹纸张的指令）。
4. 结果： 它生成了一个新的、“盲”版本的电路。这个新电路可以被发送到远程服务器。服务器执行工作，但它看到的只是混乱的数据。它不知道原始问题是什么，也不知道最终答案是什么。

该库采用模块化设计，这意味着它像乐高积木组一样构建。如果科学家未来发现了新的隐藏数据的方法，他们只需将新的模块“卡”在库上，而无需重建整个系统。

他们测试了什么：鸢尾花分类器

为了证明他们的工具确实有效，作者不仅仅是在空谈；他们利用它解决了一个真实的问题。他们构建了一个盲变分量子分类器（Blind Variational Quantum Classifier），用于对著名的 IRIS 数据集进行分类。

IRIS 数据集是关于鸢尾花数据的经典集合。它包含 150 个花朵样本的测量数据，分为三类：Setosa、Versicolor 和 Virginica。目标是训练量子计算机通过观察花的测量数据来猜测其类型。

以下是他们的操作步骤：

• 他们创建了一个具有 4 个参数（可调节的旋钮）和 2 个量子比特（量子位）的简单量子电路，作为分类器的“大脑”。
• 他们使用 Blind Transpiler 将此电路转换为使用 量子同态加密（QHE） 格式的“盲”版本。
• 他们运行了 50 次模拟（epoch）来训练模型，并通过 5 次不同的运行 进行测试，以确保结果的一致性。

测试结果：隐于无形

结果明确证明了该工具的有效性。

当他们在没有正确的解密过程（即未应用解锁答案的“魔法”）下运行盲电路时，输出结果完全是无用的。正如他们的模拟所示，结果看起来像是随机噪声。这正是你想要的效果！这证明了如果有人拦截数据或服务器试图窥探，他们看到的只是最大混合态（maximally mixed state）——即一堆毫无意义的随机数字，无法揭示任何关于花朵或答案的信息。

然而，当他们应用了正确的解密程序时，分类器完美地工作了。它学习了数据中的模式，并成功区分了这些花朵，就像原始的、非盲版本一样。

作者还在一个 三量子比特 GHZ 态（一种特定类型的量子纠缠）上测试了该工具。他们在 1,000 个随机密钥 下对输出进行了采样。每一次，在没有正确密钥的情况下，输出都是随机的；有了正确的密钥，输出则是正确的。这证实了该工具成功隐藏了数据和计算过程。

为什么这很重要

这篇论文并不声称解决了世界上所有的隐私问题，也不意味着这个工具明天就能投入商业使用。相反，它填补了一个关键空白：它提供了第一个用于快速原型设计的软件工具。

在此之前，如果研究人员想要测试一种新的隐私协议，他们必须花费数月时间编写代码。现在，他们可以使用这个库来转换他们的电路，从而加速该领域的研究。这使得科学界能够：

• 更快地测试想法： 他们可以快速查看一种新的隐私方法是否奏效。
• 模拟安全性： 他们可以运行数千次模拟，以确保数据确实被隐藏了。
• 构建未来： 随着量子计算机从实验室走向云端，像这样的工具对于保护我们的数据至关重要。

该库是开源的，这意味着任何人都可以下载它、查看代码，甚至添加自己的功能。它是迈向这样一个未来的基础性一步：我们可以利用量子计算机的强大力量，而无需摘下我们的数字眼罩。