基于混合单调函数扰动的分布式非凸优化可保证隐私性
最优化与控制
2022-09-26 v1 系统与控制
系统与控制
摘要
本文引入一种可保证隐私的新概念，要求真实函数对应包含函数的值域变化较小。具体而言，借助混合单调包含函数，我们提出一种针对非凸分布式优化的隐私保护机制，其基于对局部目标函数进行确定性但未知的仿射扰动，这比概率性差分隐私更强。该设计需要一种鲁棒优化方法来刻画由最优扰动所能达到的最佳精度。随后，这被用于指导一种可保证隐私的扰动机制的细化，该机制可通过一个与所选优化算法无关的理论上界实现可量化的精度。
引用
@article{arxiv.2209.11418,
title = {Guaranteed Privacy of Distributed Nonconvex Optimization via Mixed-Monotone Functional Perturbations},
author = {Mohammad Khajenejad and Sonia Martinez},
journal= {arXiv preprint arXiv:2209.11418},
year = {2022}
}