Quantum private information retrieval (QPIR) is a protocol in which a user retrieves one of multiple classical files by downloading quantum systems from non-communicating $\mathsf{n}$ servers each of which contains a copy of all files, while the identity of the retrieved file is unknown to each server. Symmetric QPIR (QSPIR) is QPIR in which the user only obtains the queried file but no other information of the other files. In this paper, we consider the $(\mathsf{n} - 1)$-private QSPIR in which the identity of the retrieved file is secret even if any $\mathsf{n} - 1$ servers collude, and derive the QSPIR capacity for this problem which is defined as the maximum ratio of the retrieved file size to the total size of the downloaded quantum systems. For an even number n of servers, we show that the capacity of the $(\mathsf{n}-1)$-private QSPIR is $2/\mathsf{n}$, when we assume that there are prior entanglements among the servers. We construct an $(\mathsf{n} - 1)$-private QSPIR protocol of rate $\lceil\mathsf{n}/2\rceil^{-1}$ and prove that the capacity is upper bounded by $2/\mathsf{n}$ even if any error probability is allowed. The $(\mathsf{n} - 1)$-private QSPIR capacity is strictly greater than the classical counterpart.


翻译:量子私有信息检索( QPIR) 是一个协议, 用户从非commission $\ mathsfsf{ n} 服务器上下载量子系统, 获取多个古典文件之一, 其中每个服务器都包含一份所有文件的副本, 而每个服务器还不知道所检索文件的身份 。 对称 QPIR (QSPIR) 是 QPIR, 其中用户只能获取查询文件, 但其它文件没有其它信息 。 在本文中, 我们考虑 $( mathsfsf{ n} - 1) 私人 QSPIR, 其中所检索的文件的身份是保密的, 即使其中任何 $\ maths{n} - 1$ 服务器都包含一份副本副本副本, 而为此问题输入QSPIR 能力, 它的定义是已检索的文件大小相对于下载量子系统总规模的最大比率。 对于一个偶数的服务器, 我们显示, $( mathfs{n} $- 私人 QSPIR 的容量是 2/ math} ralf} ral_ 美元。 当我们假设在前的服务器中, Qrus_ ralf\ ral_ ral_ ral_ ral_ ral_ rals rals a 比例 ex rals ralx ralx =$。

0
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文,扩大了运筹学和计算的范围,寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文,以及描述新的和有用的软件工具的论文。官网链接:https://pubsonline.informs.org/journal/ijoc
专知会员服务
76+阅读 · 2021年3月16日
专知会员服务
70+阅读 · 2020年9月20日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
145+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
171+阅读 · 2019年10月11日
Transferring Knowledge across Learning Processes
CreateAMind
26+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
AutoML 坏掉了
云头条
4+阅读 · 2019年2月20日
计算机视觉的不同任务
专知
5+阅读 · 2018年8月27日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
【推荐】Kaggle机器学习数据集推荐
机器学习研究会
8+阅读 · 2017年11月19日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年3月24日
Arxiv
0+阅读 · 2021年3月23日
Arxiv
0+阅读 · 2021年3月22日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
26+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
AutoML 坏掉了
云头条
4+阅读 · 2019年2月20日
计算机视觉的不同任务
专知
5+阅读 · 2018年8月27日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
【推荐】Kaggle机器学习数据集推荐
机器学习研究会
8+阅读 · 2017年11月19日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员