本研究提出了一种数值反演攻击方案，旨在解决变分量子神经网络（VQNNs）训练中因局部极小值导致的信息恢复困难。该方案结合梯度估计、有限差分法和自适应低通滤波，优化了训练数据的重构，提高了收敛效率。

本文研究了神经网络设计决策如何防御梯度反演攻击，通过重叠梯度和合适的损失函数避免数据泄露风险，实验证明该防御策略对信息恢复有应用。