洗牌隐私下的随机凸优化

在洗牌隐私中，每个用户向可信洗牌器发送一组随机化消息，洗牌器随机置换这些消息，所得洗牌后的消息集合必须满足差分隐私。该模型中的已有工作主要集中于使用单轮通信来计算均值、直方图和计数等算法原语。我们提出用于随机凸优化的交互式洗牌协议。我们的协议依赖于一种用于求和具有有界 $\ell_2$ 范数向量的新非交互协议。通过将此求和子程序与 mini-batch 随机梯度下降、加速梯度下降以及 Nesterov 平滑方法相结合，我们针对多种凸损失函数获得了显著优于本地模型、且有时与中心模型相当的误差保证。