基于加密与结构化函数扰动的隐私保护精确分散优化
最优化与控制
2022-09-07 v1
摘要
我们提出了一种在不牺牲精度的前提下保护智能体代价函数隐私的分散优化算法，称为EFPSN。该算法采用Paillier密码系统构造零和函数扰动。然后，基于扰动后的代价函数，可利用任何现有的分散优化算法来获得精确解。我们从理论上证明EFPSN是(epsilon, delta)-差分私密的，并能在刻意参数设置下实现近乎完美的隐私。数值实验进一步证实了该算法的有效性。
引用
@article{arxiv.2209.01756,
title = {Private and Accurate Decentralized Optimization via Encrypted and Structured Functional Perturbation},
author = {Yijie Zhou and Shi Pu},
journal= {arXiv preprint arXiv:2209.01756},
year = {2022}
}