纵向联邦线性上下文老虎机
机器学习
2022-10-21 v1 机器学习
摘要
在本文中，我们研究纵向联邦设定下构建上下文老虎机的新问题，即上下文信息纵向分布于不同部门之间。该问题在研究界中基本未被探索。为此，我们精心设计了名为基于正交矩阵的掩码机制（O3M）的定制加密方案，用于加密本地上下文信息，同时避免昂贵的传统密码学技术。我们进一步将该机制应用于两种常用老虎机算法 LinUCB 和 LinTS，并实例化了纵向联邦设定下用于在线推荐的两个实用协议。所提协议可完美恢复集中式老虎机算法的服务质量，同时达到令人满意的运行效率，本文从理论上了证明并分析了这一点。通过在合成和真实世界数据集上进行广泛实验，我们展示了所提方法在隐私保护和推荐性能方面的优越性。
引用
@article{arxiv.2210.11050,
title = {Vertical Federated Linear Contextual Bandits},
author = {Zeyu Cao and Zhipeng Liang and Shu Zhang and Hangyu Li and Ouyang Wen and Yu Rong and Peilin Zhao and Bingzhe Wu},
journal= {arXiv preprint arXiv:2210.11050},
year = {2022}
}