CN114640448A - 一种基于量子随机行走的量子隐私排序方法 - Google Patents

一种基于量子随机行走的量子隐私排序方法 Download PDF

Info

Publication number
CN114640448A
CN114640448A CN202210302750.9A CN202210302750A CN114640448A CN 114640448 A CN114640448 A CN 114640448A CN 202210302750 A CN202210302750 A CN 202210302750A CN 114640448 A CN114640448 A CN 114640448A
Authority
CN
China
Prior art keywords
sequence
participant
quantum
participants
privacy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210302750.9A
Other languages
English (en)
Other versions
CN114640448B (zh
Inventor
宋秀丽
吴煜铮
何兴平
胡思文
张龙威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Shenzhou Digital Cloud Information Technology Co ltd
Shenzhou Kuntai Xiamen Information Technology Co ltd
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202210302750.9A priority Critical patent/CN114640448B/zh
Publication of CN114640448A publication Critical patent/CN114640448A/zh
Application granted granted Critical
Publication of CN114640448B publication Critical patent/CN114640448B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use
    • H04L9/0852—Quantum cryptography
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use
    • H04L9/0852—Quantum cryptography
    • H04L9/0858—Details about key distillation or coding, e.g. reconciliation, error correction, privacy amplification, polarisation coding or phase coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0861—Generation of secret information including derivation or calculation of cryptographic keys or passwords
    • H04L9/0869—Generation of secret information including derivation or calculation of cryptographic keys or passwords involving random numbers or seeds

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Complex Calculations (AREA)

Abstract

本发明属于量子密码领域，特别涉及一种基于量子随机行走的量子隐私排序方法，包括参与者计算其隐私序列和随机序列，当计算参与者的排序时，则其他参与者制备量子态并将自己的随机序列编码到量子态中并发送给参与者；参与者测量收到的序列，并根据测量的值生成混淆序列，将混淆序列发送给对应的其他参与者；其他参与者根据混淆序列对自己的随机序列进行重排，并根据重排后的序列以及自己的隐私序列生成密文序列；其他参与者根据密文序列进行循环求和，参与循环求和的最后一个其他参与者将循环求和结果编码到量子态中发送给参与者，参与者经过量子随机行走迭代测量得道目标态，并求解得出排序；本发明解决可信或半可信第三方带来的安全性问题。

Description

一种基于量子随机行走的量子隐私排序方法
技术领域
本发明属于量子密码领域，特别涉及一种基于量子随机行走的量子隐私排序方法。
背景技术
隐私比较是指在不泄露参与者隐私信息的前提下，比较出参与者隐私数据的大小关系或相等关系。最著名的经典隐私比较方法要属Yao在1982年提出的“百万富翁问题”。量子隐私比较是经典隐私比较在量子领域中的一种延伸，2009年，Yang提出了第一个量子隐私比较相等关系方法，随后，越来越多的量子隐私比较方法被提出。
对于许多问题来说，量子领域的算法相较于经典算法有更快的求解速度，并且有更高的安全性，如大数分解等经典计算机难以解决的问题，在量子领域可以在很短的时间内得到求解结果。因此，在量子计算机面前，许多经典的隐私比较方法变的不再安全可靠，需要在量子领域提出新的隐私比较方法。在2011年，刘文等人提出了一个量子隐私比较大小关系方法，当年又提出一个相应的量子保密排序的方法，该方法在准备阶段将各个参与者的隐私数据编码成向量形式，利用量子隐私模n+1加法向隐私数据中加入随机数，最后经过测量得到排序顺序。Luo等人在2014年提出了一个基于d维纠缠态的方法，该方法最大的特点是将隐私数据编码成了n进制，然后将这些编码后的数据按位比较。同年，Luo等人又提出了一个基于d维单光子态的隐私大小比较方法，此方法没有在参与者之间分发秘钥。同在2014年，Wei等人提出了一个方法可以让参与者也知道其余参与者排名信息，使方法更加实用。在2015年，Huang等人提出的方法中，TP向每个参与者发送了一对量子叠加态，其中一个量子态用于测量得到统一的随机值，另一个用于抵抗不诚实参与者的内部攻击。Lin等人基于中国剩余定理提出了一个方法，成功地降低了量子态的维度。2019年，Cao等人提出的方法，通过向d维GHZ态中添加不同的随机数来达到隐私数据不被TP窃取的目的。2020年，Wang等人的方法让每个用户都可以在不被检测的情况下验证自己的排序数据是否被修改过。2021年，王蕊聪和冯雁的方法通过量子傅里叶变换求和，把多方隐私大小比较问题变为求和问题。现有文献中的方法都需要第三方TP参与才能完成方法，所有参与者需要与第三方通信，增加了安全性风险。
发明内容
为了解决可信或半可信第三方带来的安全性问题，本发明提出一种基于量子随机行走的量子隐私排序方法，若有n个参与者，n个参与者按序排列形成一个环，获取参与者i的隐私数据在n个参与者的隐私数据中的排序的过程具体包括以下步骤：
S0、参与者i将其拥有的隐私数据si进行编码，得到隐私序列Ai，其他参与者生成一个随机序列Kj，j表示n个参与者中除了参与者i外其他参与者；
S1、参与者j制备量子态
Figure BDA0003566178020000021
并将其随机序列Kj编码到其制备的量子态中得到
Figure BDA0003566178020000022
将
Figure BDA0003566178020000023
发送给参与者i；
S2、参与者i使用测量基测量
Figure BDA0003566178020000024
的第一个粒子和第二个粒子，得到λj和
Figure BDA0003566178020000025
参与者i根据λj生成混淆序列，并将混淆序列发送给对应的参与者j；
S3、当参与者j收到混淆序列后，根据混淆序列对其拥有的随机序列进行重排，得到重排后的随机序列；
S4、参与者j根据重排后的随机序列和其拥有的隐私数据得到密文序列；
S5、参与者i-1计算自己的累加序列，并制备量子态，将累加序列编码进量子态中，得到|ψ'i-1>并将其发送给参与者i；
S6、参与者i得到|ψ'i-1>，对其执行量子随机行走搜索算法，迭代索引为si-1，即量子随机行走搜索算法，对量子态执行多轮量子随机行走迭代算子，迭代索引即为搜索目标，经过
Figure BDA0003566178020000031
轮迭代后，测量得到目标态
Figure BDA0003566178020000032
S7、参与者i得到的
Figure BDA0003566178020000033
减去所有
Figure BDA0003566178020000034
之和，得到参与者i在所有参与者中的排序；
其中，|>表示为Hilbert空间中向量的量子力学符号。
进一步的，每个参与者i有一个隐私数据si，且si∈Zd，i∈Zn，其中d为正整数，Zd和Zn分别为模d剩余类和模n剩余类；参与者i将其拥有的隐私数据si进行编码得到隐私序列，隐私序列表示为
Figure BDA0003566178020000035
t∈{0,1,...,d-1}，编码规则为当t＜si，
Figure BDA0003566178020000036
当t＞＝si，
Figure BDA0003566178020000037
参与者j生成随机序列表示为
Figure BDA0003566178020000038
t∈{0,1,...,d-1}。
进一步的，将随机序列Kj编码到制备的量子态中得到
Figure BDA0003566178020000039
的过程表示为：
Figure BDA00035661780200000310
将累加序列编码进量子态中得到|ψ'i-1>的过程表示为：
Figure BDA00035661780200000311
其中，
Figure BDA00035661780200000312
表示随机序列Kj中的第t个元素；
Figure BDA00035661780200000313
表示累加序列中的第t个元素。
进一步的，当其他参与者将
Figure BDA00035661780200000314
发送给参与者i和/或将|ψ'i-1>发送给参与者i时，将
Figure BDA00035661780200000315
和/或|ψ'i-1>中随机插入m个诱骗粒子，当参与者i接收到插入诱骗粒子的序列后，其他参与者将诱骗粒子的位置及其测量基发送给参与者i，参与者i利用收到的信息测量诱骗粒子的量子态并将测量结果发送给其他参与者，其他参与者收到测量结果并将其与发送序列中诱骗粒子量子态作比较，若错误率大于设定阈值，则取消后续流程；否则参与者i利用去除诱骗粒子后的
Figure BDA00035661780200000316
和/或将|ψ'i-1>进行后续流程。
进一步的，每个诱骗粒子都是
Figure BDA00035661780200000317
或者
Figure BDA00035661780200000318
中的一个，其中ωjk为相位，且ω＝e2πi/d。
进一步的，参与者i根据λj生成混淆序列，即针对参与者j的混淆序列表示为
Figure BDA0003566178020000041
且
Figure BDA0003566178020000042
其余则是0到n-1的随机排列。
进一步的，根据混淆序列对其拥有的随机序列进行重排，得到重排后的随机序列表示为：
Figure BDA0003566178020000043
其中，K'j为重排后的随机序列；
Figure BDA0003566178020000044
表示K'j中第t个元素；
Figure BDA0003566178020000045
为重排前的随机序列Kj中第
Figure BDA0003566178020000046
个的元素；
Figure BDA0003566178020000047
表示Li,j中第t个元素。
进一步的，参与者j根据重排后的随机序列和其拥有的隐私数据得到密文序列，密文序列中第t个元素表示为：
Figure BDA0003566178020000048
其中，
Figure BDA0003566178020000049
表示参与者j密文序列的第t个元素；
Figure BDA00035661780200000410
表示参与者j隐私序列的第t个元素；
Figure BDA00035661780200000411
表示模d加运算，例如
Figure BDA00035661780200000412
表示A与B的和与d进行mod运算；
Figure BDA00035661780200000413
表示重排后的随机序列K'j中第t个元素。
进一步的，参与者i-1计算自己的累加序列，即参与者i的下一个用户参与者i+1将密文数据发送给其下一个用户，每个用户将收到的数据与其密文序列进行运算后再发送给下一用户，将参与者i-1运算得到的序列作为累加序列。
与现有方法相比，本发明具有以下有益效果：
现有方法都需制备高维多粒子纠缠态，如多粒子GHZ态等，而本方法中只需要制备高维二粒子纠缠态即可，较于其余方法制备过程简单；
本方法在通信复杂度上与现有文献保持同一水平，在计算复杂度上优于其他方法；
现有方法均需要第三方支持，本方法不需要可信或半可信第三方的辅助，n个参与者即可完成整个流程。
附图说明
图1为本发明实施例中一种基于量子随机行走的量子隐私排序方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供一种基于量子随机行走的量子隐私排序方法，若有n个参与者，n个参与者按序排列形成一个环，获取参与者i的隐私数据在n个参与者的隐私数据中的排序的过程具体包括以下步骤：
S0、参与者i将其拥有的隐私数据si进行编码，得到隐私序列Ai，其他参与者生成一个随机序列Kj，j表示n个参与者中除了参与者i外其他参与者；
S1、参与者j制备量子态
Figure BDA0003566178020000051
并将其随机序列Kj编码到其制备的量子态中得到
Figure BDA0003566178020000052
将
Figure BDA0003566178020000053
发送给参与者i；
S2、参与者i使用测量基测量
Figure BDA0003566178020000054
的第一个粒子和第二个粒子，得到λj和
Figure BDA0003566178020000055
参与者i根据λj生成混淆序列，并将混淆序列发送给对应的参与者j；
S3、当参与者j收到混淆序列后，根据混淆序列对其拥有的随机序列进行重排，得到重排后的随机序列；
S4、参与者j根据重排后的随机序列和其拥有的隐私数据得到密文序列；
S5、参与者i-1计算自己的累加序列，并制备量子态，将累加序列编码进量子态中，得到|ψ'i-1>并将其发送给参与者i；
S6、参与者i得到|ψ'i-1>，对其执行量子随机行走搜索算法，搜索目标为si-1，经过
Figure BDA0003566178020000056
轮迭代后，测量得到目标态
Figure BDA0003566178020000057
S7、参与者i得到的
Figure BDA0003566178020000058
减去所有
Figure BDA0003566178020000059
之和，得到参与者i在所有参与者中的排序；
其中，|>表示为Hilbert空间中向量的量子力学符号。
本实施例结合图1对本发明方案进行更详细的介绍。在本实施例中，将方案分为4个阶段以及总共
Figure BDA0003566178020000061
个小步骤，有n个参与者，每个参与者Pi(i＝1,2,...,n)拥有一个隐私数据si，且si∈GF(d)，i∈GF(n)，d是一个正整数，n个参与者按序排列形成一个环，即第一个序号为1的参与者的下一个参与者的序号为2、前一个参与者序号为n，4个阶段包括生成序列阶段、初始化阶段、隐私输入阶段以及循环加总阶段。
(一)生成序列阶段
在该阶段包括①～②两个步骤，本阶段包括参与者生成隐私序列以生成随机序列。
①对于每个参与者Pi根据自己的隐私数据si编码，得到一个隐私序列
Figure BDA0003566178020000062
其中
Figure BDA0003566178020000063
t∈{0,1,...,d-1}。编码规则为：当t＜si，
Figure BDA0003566178020000064
当t＞＝si，
Figure BDA0003566178020000065
在本实施例，下标i表示待排序的参与者，i+1、i-1等仅表示待排序的参与者后一个、前一个参与者，这些参与者为除i以外的其他参与者，可以使用下标j表示。
②对于除了Pi以外的其他参与者集合{Pj|j＝1,2,...,n；j≠i}中的每个参与者，生成一个随机序列
Figure BDA0003566178020000066
其中
Figure BDA0003566178020000067
t∈{0,1,...,d-1}。
(二)初始化阶段
在本阶段主要目的是获取混淆序列，包括步骤③～⑥。
③对于集合{Pj|j＝1,2,...,n；j≠i}中的每个参与者Pj，他首先制备量子态
Figure BDA0003566178020000068
再根据随机序列Kj，对
Figure BDA0003566178020000069
执行编码操作，将Kj编码进
Figure BDA00035661780200000610
得到
Figure BDA00035661780200000611
④本步骤以及步骤⑤为可选步骤。本步骤以及步骤⑤的目的为了防止通信过程中有第三方窃听行为。本步骤以及步骤⑤得目的是判断是否有第三方窃听，若有第三方窃听则终止流程，若没有第三方窃听则执行步骤⑥。在本步骤中，每个参与者Pj首先将
Figure BDA0003566178020000071
随机插入m个诱骗粒子中，组成粒子序列Sj，并将其发送给Pi，其中每个诱骗量子态为集合
Figure BDA0003566178020000072
中的一个2粒子叠加态，且
Figure BDA0003566178020000073
⑤对于每个参与者Pj，确认参与者Pi收到Sj后，Pj告知Pi，在粒子序列Sj中插入的诱骗量子态位置及其测量基，Pi根据Pj告知的信息来测量诱骗量子态，并将测量结果返回给Pj。Pj将收到的测量结果与发送序列中诱骗量子态的初态作比较，若错误率大于设定的阈值，则判定有第三方窃听者，终止流程，反之进行下一步。
⑥若执行了步骤④～⑤，则参与者Pi除去粒子序列Sj中的诱骗量子态恢复出
Figure BDA0003566178020000074
当参与者Pi收到
Figure BDA0003566178020000075
后用测量基
Figure BDA0003566178020000076
先后测量
Figure BDA0003566178020000077
的第一个粒子和第二个粒子，得到λj和
Figure BDA0003566178020000078
参与者Pi生成n-1个混淆序列
Figure BDA0003566178020000079
然后Pi将混淆序列Li,j(j＝1,2,...,n；j≠i)分别发送给对应的Pj。其中，
Figure BDA00035661780200000710
并确保：
Figure BDA00035661780200000711
(三)隐私输入阶段
在本阶段包括步骤⑦，本阶段的主要目的是获取密文序列。
⑦当每个参与者Pj收到自己的混淆序列Li,j之后，根据混淆序列Li,j对随机序列Kj进行重排，得到新的随机序列：
Figure BDA00035661780200000712
进一步，Pj取出隐私序列
Figure BDA00035661780200000713
计算密文序列，该系列中的一个元素表示为：
Figure BDA00035661780200000714
得到密文序列
Figure BDA0003566178020000081
其中
Figure BDA0003566178020000082
为模d加。
(四)循环加总阶段
本阶段包括
Figure BDA0003566178020000083
本阶段的目的是基于前面四个阶段得到的信息，获取某一个参与者的隐私数据在所有参与者的隐私数据中的排序。本实施例以参与者i为例，求参与者i在所有n个参与者的数据中的排序。
⑧参与者Pi+1，即参与者的下一个参与者，制作累加序列Vi+1：
Figure BDA0003566178020000084
将序列Vi+1通过经典信道发送给Pi+2。从Pi+2到Pi-1的每个参与者Pj(j＝i+2,i+3,...,i-1)，在接收到前一个参与者发送来的序列
Figure BDA0003566178020000085
后，计算Vj：
Figure BDA0003566178020000086
然后Pj将Vj发送给下一个参与者Pj+1，以此类推，直到最后一个参与者Pi-1。
⑨当Pi-1计算出
Figure BDA0003566178020000087
后，Pi-1制备量子态
Figure BDA0003566178020000088
然后Pi-1根据Vi-1对|ψi-1>执行编码操作，将Vi-1编码进|ψi-1>，得到
Figure BDA0003566178020000089
⑩本步骤与步骤④和⑤类似为可选步骤。本步骤中为了防止第三方窃听，Pi-1向|ψ'i-1>中随机插入m个诱骗量子态，得到|ψ”i-1>，然后将其发送给Pi，判断是否存在第三方窃听，若存在第三方窃听，则终止流程，否则执行步骤
Figure BDA00035661780200000810
Figure BDA00035661780200000811
若执行了步骤⑩，且确认无第三方窃听者后，则Pi从|ψ”i-1>筛去诱骗量子态，得到|ψ'i-1>；对|ψ'i-1>进行量子随机行走迭代，迭代索引为si-1，经过
Figure BDA00035661780200000812
次迭代后，测量得到目标态：
Figure BDA00035661780200000813
此时Pi获得了
Figure BDA00035661780200000814
Pi将其减去step6中Pi获得了所有
Figure BDA00035661780200000815
计算出ri：
Figure BDA00035661780200000816
其中，ri表示所有参与者的隐私数据中小于si的有ri个，即Pi在所有参与者中的排序为ri(序号从0开始)。至此，Pi得到了自己在所有参与者隐私数据的大小关系。
Pi得出自己的排序后，所有剩余的参与者Pj(j≠i)每人都重复步骤②步骤
Figure BDA0003566178020000091
得出自己的序号。
本实施例采用的量子随机行走搜索算法包括两个两个部分，行走算子S和硬币算子C：U＝SC。行走算子代表着行走空间的拓扑结构，在完全图KN中的，行走算子取Grover算子：
Figure BDA0003566178020000092
其中，R＝I-2|0><0|，H为
Figure BDA0003566178020000093
I为单位矩阵；
Figure BDA0003566178020000094
为；<0|＝[10]为。而硬币算子C则用来标记完全图中的目标顶点，同Grover算法相同，硬币算子需要有使得目标顶点概率翻转的功能。不失一般性，假设目标顶点为0，则C取R，得到C＝R＝I-2|0><0|。因此可得到最终的迭代演化算子
Figure BDA0003566178020000095
量子随机行走的初态为各个态的均匀叠加态，而其最佳的迭代次数为最接近
Figure BDA0003566178020000096
的正整数。其中，
Figure BDA0003566178020000097
表示张量积；
Figure BDA0003566178020000098
表示n个算子作张量积运算。
现有的量子隐私大小比较方法大多数是基于可信或半可信第三方的，鉴于此，其一，所有参与者都需要与第三方进行通信，增加了通信复杂度；其二，如果第三方不诚实，那么该方法就面临内部实体攻击的风险。为了解决以上问题，本文基于量子随机行走算法，提出了一个无第三方的多方量子隐私大小比较方法。n-1个参与者把自己的隐私数据编码一个序列，并随机生成一个随机数序列，将其制备成量子态后发送给参与者Pi，Pi测量后获取这些随机数序列中一个密钥，并且要求其余参与者修改随机数序列的顺序。随后，n-1个参与者使用改序后的随机数序列与隐私序列加密，将所有的密文序列求和后制作量子态发送给Pi，最后Pi对其使用量子随机行走算子并测量，解密后得到结果。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.一种基于量子随机行走的量子隐私排序方法，其特征在于，若有n个参与者，n个参与者按序排列形成一个环，获取参与者i的隐私数据在n个参与者的隐私数据中的排序的过程具体包括以下步骤：
S0、参与者i将其拥有的隐私数据si进行编码，得到隐私序列Ai，其他参与者生成一个随机序列Kj，j表示n个参与者中除了参与者i外其他参与者；
S1、参与者j制备量子态
Figure FDA0003566178010000011
并将其随机序列Kj编码到其制备的量子态中得到
Figure FDA0003566178010000012
将
Figure FDA0003566178010000013
发送给参与者i；
S2、参与者i使用测量基测量
Figure FDA0003566178010000014
的第一个粒子和第二个粒子，得到λj和
Figure FDA0003566178010000015
参与者i根据λj生成混淆序列，并将混淆序列发送给对应的参与者j；
S3、当参与者j收到混淆序列后，根据混淆序列对其拥有的随机序列进行重排，得到重排后的随机序列；
S4、参与者j根据重排后的随机序列和其拥有的隐私数据得到密文序列；
S5、参与者i-1计算自己的累加序列，并制备量子态，将累加序列编码进量子态中，得到|ψ′i-1>并将其发送给参与者i；
S6、参与者i得到|ψ′i-1>，对其执行量子随机行走搜索算法，搜索目标为si-1，经过
Figure FDA0003566178010000016
轮迭代后，测量得到目标态
Figure FDA0003566178010000017
S7、参与者i得到的
Figure FDA0003566178010000018
减去所有
Figure FDA0003566178010000019
之和，得到参与者i在所有参与者中的排序；
其中，|>表示为Hilbert空间中向量的量子力学符号。
2.根据权利要求1所述的一种基于量子随机行走的量子隐私排序方法，其特征在于，每个参与者i有一个隐私数据si，且si∈Zd，i∈Zn，其中d为正整数，Zd和Zn分别为模d剩余类和模n剩余类；参与者i将其拥有的隐私数据si进行编码得到隐私序列，隐私序列表示为
Figure FDA00035661780100000110
t∈{0,1,...,d-1}，编码规则为当t＜si，
Figure FDA0003566178010000021
当t＞＝si，
Figure FDA0003566178010000022
参与者j生成随机序列表示为
Figure FDA0003566178010000023
3.根据权利要求1所述的一种基于量子随机行走的量子隐私排序方法，其特征在于，将随机序列Kj编码到制备的量子态中得到
Figure FDA0003566178010000024
的过程表示为：
Figure FDA0003566178010000025
将累加序列编码进量子态中得到|ψ′i-1>的过程表示为：
Figure FDA0003566178010000026
其中，
Figure FDA0003566178010000027
表示随机序列Kj中的第t个元素；
Figure FDA0003566178010000028
表示累加序列中的第t个元素。
4.根据权利要求1所述的一种基于量子随机行走的量子隐私排序方法，其特征在于，当其他参与者将
Figure FDA0003566178010000029
发送给参与者i和/或将|ψ′i-1>发送给参与者i时，将
Figure FDA00035661780100000210
和/或|ψ′i-1>中随机插入m个诱骗粒子，当参与者i接收到插入诱骗粒子的序列后，其他参与者将诱骗粒子的位置及其测量基发送给参与者i，参与者i利用收到的信息测量诱骗粒子的量子态并将测量结果发送给其他参与者，其他参与者收到测量结果并将其与发送序列中诱骗粒子量子态作比较，若错误率大于设定阈值，则取消后续流程；否则参与者i利用去除诱骗粒子后的
Figure FDA00035661780100000211
和/或将|ψ′i-1>进行后续流程。
5.根据权利要求4所述的一种基于量子随机行走的量子隐私排序方法，其特征在于，每个诱骗粒子都是
Figure FDA00035661780100000212
或者
Figure FDA00035661780100000213
中的一个，其中ωjk为相位，且ω＝e2πi/d。
6.根据权利要求1所述的一种基于量子随机行走的量子隐私排序方法，其特征在于，参与者i根据λj生成混淆序列，即针对参与者j的混淆序列表示为
Figure FDA00035661780100000214
且
Figure FDA00035661780100000215
其余则是0到n-1的随机排列。
7.根据权利要求1所述的一种基于量子随机行走的量子隐私排序方法，其特征在于，根据混淆序列对其拥有的随机序列进行重排，得到重排后的随机序列表示为：
Figure FDA0003566178010000031
其中，K′j为重排后的随机序列；
Figure FDA0003566178010000032
表示K′j中第t个元素；
Figure FDA0003566178010000033
为重排前的随机序列Kj中第
Figure FDA0003566178010000034
个的元素；
Figure FDA0003566178010000035
表示Li,j中第t个元素。
8.根据权利要求1所述的一种基于量子随机行走的量子隐私排序方法，其特征在于，参与者j根据重排后的随机序列和其拥有的隐私数据得到密文序列，密文序列中第t个元素表示为：
Figure FDA0003566178010000036
其中，
Figure FDA0003566178010000037
表示参与者j密文序列的第t个元素；
Figure FDA0003566178010000038
表示参与者j隐私序列的第t个元素；
Figure FDA0003566178010000039
表示模d加运算；
Figure FDA00035661780100000310
表示重排后的随机序列K′j中第t个元素。
9.根据权利要求1所述的一种基于量子随机行走的量子隐私排序方法，其特征在于，参与者i-1计算自己的累加序列，即参与者i的下一个用户参与者i+1将密文数据发送给其下一个用户，每个用户将收到的数据与其密文序列进行运算后再发送给下一用户，将参与者i-1运算得到的序列作为累加序列。
CN202210302750.9A 2022-03-25 2022-03-25 一种基于量子随机行走的量子隐私排序方法 Active CN114640448B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210302750.9A CN114640448B (zh) 2022-03-25 2022-03-25 一种基于量子随机行走的量子隐私排序方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210302750.9A CN114640448B (zh) 2022-03-25 2022-03-25 一种基于量子随机行走的量子隐私排序方法

Publications (2)

Publication Number Publication Date
CN114640448A true CN114640448A (zh) 2022-06-17
CN114640448B CN114640448B (zh) 2024-05-28

Family

ID=81950111

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210302750.9A Active CN114640448B (zh) 2022-03-25 2022-03-25 一种基于量子随机行走的量子隐私排序方法

Country Status (1)

Country Link
CN (1) CN114640448B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114944920A (zh) * 2022-07-22 2022-08-26 中国科学技术大学 基于离散量子游走公钥加密系统的量子通信方法
CN115952526A (zh) * 2023-03-06 2023-04-11 阿里云计算有限公司 密文排序方法、设备及存储介质
CN116527233A (zh) * 2023-03-13 2023-08-01 安徽合工质能双碳科技有限公司 基于云计算的能源监测数据管理系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112887034A (zh) * 2021-01-22 2021-06-01 重庆邮电大学 一种高安全性的量子多方隐私求和方法
US20210248514A1 (en) * 2018-05-06 2021-08-12 Strong Force TX Portfolio 2018, LLC Artificial intelligence selection and configuration
CN113517986A (zh) * 2021-09-15 2021-10-19 湖南师范大学 基于量子行走的身份认证方法及相关设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210248514A1 (en) * 2018-05-06 2021-08-12 Strong Force TX Portfolio 2018, LLC Artificial intelligence selection and configuration
CN112887034A (zh) * 2021-01-22 2021-06-01 重庆邮电大学 一种高安全性的量子多方隐私求和方法
CN113517986A (zh) * 2021-09-15 2021-10-19 湖南师范大学 基于量子行走的身份认证方法及相关设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
YUZHENG WU: "Quantum Private Size Comparison Protocol Based On Grover Algorithm", 《ACM》 *
吴煜铮: "量子隐私比较和排序的研究", 《硕士电子期刊》 *
张鑫: "基于信息循环和信息压缩的量子保密算法", 《硕士电子期刊》 *
陈振宇;杨阳;季赛;刘文杰;: "基于量子委托计算模式的半量子密钥协商", 计算机工程, no. 03 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114944920A (zh) * 2022-07-22 2022-08-26 中国科学技术大学 基于离散量子游走公钥加密系统的量子通信方法
CN114944920B (zh) * 2022-07-22 2022-10-28 中国科学技术大学 基于离散量子游走公钥加密系统的量子通信方法
CN115952526A (zh) * 2023-03-06 2023-04-11 阿里云计算有限公司 密文排序方法、设备及存储介质
CN115952526B (zh) * 2023-03-06 2023-05-26 阿里云计算有限公司 密文排序方法、设备及存储介质
CN116527233A (zh) * 2023-03-13 2023-08-01 安徽合工质能双碳科技有限公司 基于云计算的能源监测数据管理系统
CN116527233B (zh) * 2023-03-13 2023-09-19 安徽合工质能双碳科技有限公司 基于云计算的能源监测数据管理系统

Also Published As

Publication number Publication date
CN114640448B (zh) 2024-05-28

Similar Documents

Publication Publication Date Title
CN114640448A (zh) 一种基于量子随机行走的量子隐私排序方法
Chen et al. An efficient protocol for the private comparison of equal information based on the triplet entangled state and single-particle measurement
CN111512589A (zh) 用于利用spdz的快速安全多方内积的方法
Tsai et al. Semi-quantum secret sharing protocol using W-state
Min et al. Novel multi-party quantum key agreement protocol with g-like states and bell states
Cai et al. Multi-party quantum key agreement with five-qubit brown states
CN111865581B (zh) 基于张量网络的量子秘密共享方法及量子通信系统
CN106789021A (zh) 基于五粒子Brown态的量子分组多用户秘密比较方法
Lin et al. Cryptanalysis of quantum secret sharing with d-level single particles
CN111406380A (zh) 用于利用半群的密钥协商的方法和系统
CN108092770A (zh) 量子身份认证方法、计算机、计算机程序、可读存储介质
CN109474425A (zh) 一种基于多个共享密钥获得任意指定长度派生密钥的方法
Muruganantham et al. Quantum cryptography for secured communication networks.
Fang et al. A secure chaotic block image encryption algorithm using generative adversarial networks and DNA sequence coding
Sun et al. Efficient Multiparty Quantum Key Agreement With a Single $ d $-Level Quantum System Secure Against Collusive Attack
Gianni et al. New quantum private comparison using hyperentangled ghz state
CN110719172A (zh) 区块链系统中的签名方法、签名系统以及相关设备
CN116800409A (zh) 一种基于Bell态和单粒子态的半量子隐私比较方法
CN108880782B (zh) 一种云计算平台下最小值的保密计算方法
Yu et al. Quantum private comparison with d-level single-particle states
CN110572259B (zh) 一种基于置换运算的无第三方量子信息相等性对比方法
Lou et al. Sequential quantum multiparty signature based on quantum fourier transform and chaotic system
CN110493000B (zh) 一种基于单粒子的多方量子保密比较方法及系统
Cheng et al. Secure similar sequence query over multi-source genomic data on cloud
Sutradhar et al. An efficient simulation of quantum secret sharing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20240419

Address after: Room 301, 3rd floor, 9 shangdijiu street, Haidian District, Beijing

Applicant after: Beijing Shenzhou Digital Cloud Information Technology Co.,Ltd.

Country or region after: China

Applicant after: Shenzhou Kuntai (Xiamen) Information Technology Co.,Ltd.

Address before: 400065 Chongwen Road, Nanshan Street, Nanan District, Chongqing

Applicant before: CHONGQING University OF POSTS AND TELECOMMUNICATIONS

Country or region before: China

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant