该论文研究容错量子计算机在运行过程中产生的遥测流(syndrome 测量、decoder 决策、reset 与时序记录)是否会泄露逻辑输入,即执行记录(execution transcript)的隐私问题。作者针对固定调度下运行 T=Θ(d) 轮的、距离为 d 的旋转 surface code 记忆体,在三个明确陈述的假设(sector-scalar honest backbone、transcript locality、Kotecky-Preiss smallness)下证明:从逻辑量子比特到 transcript 的信道,在 diamond norm 意义下与一个完全忽略输入的信道相差 e^{-Θ(d)},即随码距指数级趋于输入无关。这类结论可由 correctability-privacy 对偶性一般性地推出。但论文强调各向异性(anisotropy)并不自动成立:每个逻辑轴必须付出其自身陪集的距离代价,因此在 amplitude damping 条件下,计算基标签的安全性由码的 Z-距离 d_Z≥d_min 决定,而不是由码距离 d_min 决定,二者可以相差很大。作者用两个量子距离均为 1 的码把这一差距具体化:phase-flip 码的 X-syndrome transcript 在未被观测的 damping 下精确地与输入无关,而 repetition 码则在一阶就发生泄露。一个匹配的逆命题(converse)进一步刻画了哪些记录确实会暴露输入,其中包含 lattice-surgery 奇偶读出。实验方面,作者在 156 量子比特超导处理器上评估其充分性证明条件,发现该证书的裕度差了 21.5 倍,因此在该硬件上无法直接引用该定理。直接测量则显示:在随机化、标签均衡的采集下,d_Z=1 的记忆体的记录可以以总变差 ≥0.927 识别其输入。固定码、改变 damping 暴露程度,实验结果复现了一个无参数的理论定律,实测指数为 0.85±0.03,与预测值 0.86 相符。最后,随机化编码可以在不增加任何双量子比特门成本的前提下,把该统计量压回噪声底线。总体结论是:容错本身并不授予 transcript 隐私,它只是把隐私的位置重新安排,并且只保护到逻辑态层面,而不保护电路自身身份。
💡 推荐理由: 它把量子纠错控制栈的遥测日志(syndrome、decoder 动作、时序)纳入旁路泄露威胁模型,提示量子云服务与硬件厂商不能把“容错”当作隐私保证:逻辑输入可能被记录以极高置信度识别,且量化了其在超导平台上的现实差距。
🎯 建议动作: 研究跟进