在分布式优化中保护统计隐私
密码学与安全
2021-01-01 v2 分布式、并行与集群计算
摘要
我们提出一种分布式优化协议，可针对网络中腐蚀部分智能体的被动敌手，保护智能体局部代价函数的统计隐私。该协议由一个分布式“零和”混淆协议（混淆各智能体的局部代价函数）与一种标准非隐私分布式优化方法组合而成。我们证明，只要通信网络具有 (t+1) 顶点连通性，我们的协议就能针对腐蚀至多 t 个任意智能体的被动敌手，保护智能体局部代价函数的统计隐私。该“零和”混淆协议保持智能体局部代价函数之和不变，从而确保所计算解的精度。
引用
@article{arxiv.2004.01312,
title = {Preserving Statistical Privacy in Distributed Optimization},
author = {Nirupam Gupta and Shripad Gade and Nikhil Chopra and Nitin H. Vaidya},
journal= {arXiv preprint arXiv:2004.01312},
year = {2021}
}
备注
The updated version has simpler proofs. The paper has been peer-reviewed, and accepted for the IEEE Control Systems Letters (L-CSS 2021)