本研究探讨了量子联邦学习框架，提出了联邦量子神经网络（FedQNN），结合量子机器学习与经典联邦学习。实验结果显示，该框架在分布式环境中处理数据时准确率超过86%。研究还比较了不同量子模型在金融欺诈检测中的表现，发现量子支持向量分类器效果最佳，为量子机器学习在欺诈检测领域的应用提供了新思路。