分散型変分不等式の解法において、類似性、圧縮、ローカルステップの3つのアプローチを組み合わせることで、理論的な収束保証と実践的な性能が大幅に向上する。
本論文は、プライバシー保護、通信効率、および収束性を同時に達成できる新しい分散型非凸確率最適化アルゴリズムを提案する。各ノードはローカルな状態に時変のプライバシーノイズを加え、その後量子化して送信することで、情報漏洩を防ぐ。サンプルサイズパラメータを用いたサブサンプリング手法により、プライバシーノイズの影響を低減し、差分プライバシーレベルを高める。Polyak-Łojasiewicz条件を満たす場合、提案アルゴリズムの平均収束率、高確率収束率、およびオラクル複雑性を示す。また、無限回の反復においても有限の累積差分プライバシー予算を達成する。