完全去中心化数据集上的差分隐私线性回归

本文提出一种以去中心化方式进行线性回归学习的差分隐私算法。在该算法下，理论上推导了隐私预算，此外解误差被证明对于 $O(1/t)$ 下降步长以 $O(t)$ 为界，而对于 $O(t^{-e})$ 下降步长以 $O(\exp(t^{1-e}))$ 为界。