面向集体决策的分布式可信证据融合隐私保护算法
人工智能
2024-12-04 v1
摘要
证据推理理论近年来已用于集体决策。然而，现有的分布式证据融合方法由于直接交换原始证据且未评估证据可信度，导致参与者偏好泄露和融合失败。为此，本文提出一种三级共识的隐私保护分布式可信证据融合方法（PCEF）。在证据差异度量（EDM）邻域共识中，推导了基于 pignistic 概率共享点积协议和两个事件在最大主观概率相等性判断下的 EDMS 邻居间等价表达式，以保证证据隐私由于不可逆的证据转换而实现。 在 EDM 网络共识中，通过线性平均共识（LAC）和低秩矩阵完成（带秩适应）之间的交互，推断非邻居的 EDM，并通过邻居 EDM 实现一致，从而保证 EDM 共识收敛且无法以数值迭代方式推断原始证据。在融合网络共识中，提出一种带自消除差分隐私项的隐私保护 LAC，其中每个代理人添加其随机性到共享内容，并在共识迭代中逐步消除此类随机性。此外，探讨了收敛到 CCEF 的充分条件，并证明原始证据在此类迭代共识中不可被推断。仿真结果表明，PCEF 在可信度和融合结果方面接近 CCEF，并比现有方法在决策准确率和时间消耗方面更优。
引用
@article{arxiv.2412.02130,
title = {A privacy-preserving distributed credible evidence fusion algorithm for collective decision-making},
author = {Chaoxiong Ma and Yan Liang and Xinyu Yang and Han Wu and Huixia Zhang},
journal= {arXiv preprint arXiv:2412.02130},
year = {2024}
}