1.一种保护输入数据和训练参数的量子神经网络隐私保护方法，其特征在于，包括：步骤一，数据预处理，客户端对原始样本集进行归一化处理，使得数据分布在统一的范围内；

步骤二，样本划分，客户端对预处理后的数据进行样本划分得到待测样本集与训练样本集；

步骤三，量子态制备，客户端根据角度编码或幅度编码，将待测样本与训练样本集的属性值进行量子态制备，并将量子态作为量子算法的输入；

步骤四，量子态加密，客户端根据随机X和RZ操作符加密量子态，准备足够的加密辅助量子位，将所有加密的量子态发送给量子服务器；

步骤五，隐参数量子神经网络电路设计，客户端利用Rz可隐藏参数电路、电路和 电路构建量子神经网络模型中Ansatz的同态加密电路设计，隐藏关键参数和原始电路设计，将电路设计发送给量子云服务器进行模型训练；

步骤六，更新加密密钥，客户端根据电路设计和公式更新加密密钥，在服务器完成所有量子门操作后，客户端将最终的解密密钥发送给服务器，服务器对量子态进行解密和测量，得到包含期望的结果并将其发送给客户端；

所述步骤四中量子态加密具体包括如下步骤：S401：计算Rz的可隐藏参数同态加密；

S402：计算Rx的可隐藏参数同态加密；

S403：计算Ry的可隐藏参数同态加密；

所述S401中计算Rz的可隐藏参数同态加密具体包括：Rφ(α)+Rφ(β)＝Rφ(α+β)，#(1)应用式(1)，得到方程：

a a

(XRz(ω))|φ>≡XRz(ω‑θ+θ)|φ>a

≡(XRz(ω‑θ))Rz(θ)|φ>，#(2)式中a∈{0，1}，ω，θ∈[0,2π]；把上面的方程变成下面的形式类似于Rz(θ)的同态加密方程a a

(Rz(θ‑ω)X)(XRz(ω))|φ>≡Rz(θ)|φ>，#(3)所述S402中计算Rx的可隐藏参数同态加密，构造Rx(θ)算子的同态加密电路，并基于Rz的可以隐藏参数的特性，对电路进行优化，实现Rx(θ)算子隐藏参数的同态加密方法，通过调节测量角度 隐藏了包含参数θ的Rz(θ)量子门，实现对量子云服务器隐藏参数θ的功能，并修改了Rz(θ)的同态加密电路，优化后的电路利用了Rz的可以隐藏参数的特性，保护了参数和电路设计的私密性：用 来表示Rx(θ)隐藏参数的同态加密电路，其中δ1， 是客户端发送到服务器端的两个测量角度，根据式(4)和(5)，HRz(θ)＝Rx(θ)H，HRx(θ)＝Rz(θ)H，#(4)Rx(θ)≡HRz(θ)H.#(5)

为Rx(θ)设计的电路功能如下：

在 和a∈{0，1}，ω，γ∈[0,2ππ]为加密密钥；p，q，r∈{0，1}是服务器发送给客户端的测量结果， 是客户端发送给服务器的测量角度，其中h1，h2∈{0，1}是客户端随机选择的；

然后，给出Rx(θ)的同态加密方案，如下所示：a

接下来，验证 的正确性，在四个加密量子态X Rz(ω)|φ>，Rz(α)|+>，Rz(β)|+>和Rz(γ)|+>被输入到电路中后，其中a∈{0，1}，α，β，γ，ω∈[0，2π]是加密密钥并对服务器保密，计算过程如下：让 其中h1∈{0，1}是用户随机选择的.上述等式可以被修改为以下形式：

让 其中h2∈{0，1}是用户随机选择的，上述等式可以被修改为以下形式：

其中 并且

利用Rz电路构造Rx(θ)的隐藏参数同态加密电路，运算符Rx(θ)中的参数θ可以对Server保密；

所述S403计算Ry的可隐藏参数同态加密具体包括：由式(11)可知，

旋转算子Ry可以由Rx和Rz组合而成，下面的等式很容易验证：根据式(12)，得到最终输出状态变为：其中 并且 运算符Ry(θ)中的参数θ也可以对Server保密，运算符Rx(θ)也是如此，用 表示Ry(θ)的隐参数同态加密电路。

2.根据权利要求1所述的保护输入数据和训练参数的量子神经网络隐私保护方法，其特征在于，所述保护输入数据和训练参数的量子神经网络隐私保护方法，使用Iris数据集和MNIST数据集进行测试。

3.一种实施如权利要求1‑2任意一项所述方法的保护输入数据和训练参数的量子神经网络隐私保护系统，其特征在于，所述保护输入数据和训练参数的量子神经网络隐私保护系统包括：数据预处理模块，用于对原始样本集进行归一化处理，并划分待测样本集与训练样本集；

加密模块，用于加密量子态，将所有加密的量子态发送给量子服务器；

训练模块，用于进行模型训练；

密钥更新模块，用于根据电路设计和公式更新加密密钥。

4.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求

1‑2任意一项所述保护输入数据和训练参数的量子神经网络隐私保护方法的步骤。

5.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1‑2任意一项所述保护输入数据和训练参数的量子神经网络隐私保护方法的步骤。

6.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求3所述保护输入数据和训练参数的量子神经网络隐私保护系统。