Core Concepts
본 논문은 프라이버시 보호, 통신 효율성 및 수렴성을 동시에 달성할 수 있는 새로운 분산 비볼록 확률적 최적화 알고리즘을 제안한다. 각 노드는 시간 변화하는 프라이버시 노이즈를 자신의 로컬 상태에 추가하고 이를 양자화하여 전송함으로써 정보 유출을 방지하고 통신 효율을 높인다. 또한 샘플링 크기 매개변수를 통해 제어되는 하위 샘플링 방법을 사용하여 프라이버시 노이즈의 영향을 줄이고 차등 프라이버시 수준을 향상시킨다.
Abstract
본 논문은 프라이버시 보호, 통신 효율성 및 수렴성을 동시에 달성할 수 있는 새로운 분산 비볼록 확률적 최적화 알고리즘을 제안한다.
각 노드는 시간 변화하는 프라이버시 노이즈를 자신의 로컬 상태에 추가하고 이를 양자화하여 전송함으로써 정보 유출을 방지하고 통신 효율을 높인다.
샘플링 크기 매개변수를 통해 제어되는 하위 샘플링 방법을 사용하여 프라이버시 노이즈의 영향을 줄이고 차등 프라이버시 수준을 향상시킨다.
Polyak-Łojasiewicz 조건 하에서 제안된 알고리즘의 평균 수렴 속도와 고확률 수렴 속도를 제공하며, 이는 기존 연구와 달리 경사가 유계일 필요가 없다.
샘플링 크기가 무한대로 증가할 때, 알고리즘은 평균 수렴과 무한 반복에 걸친 유한 누적 차등 프라이버시 예산을 동시에 달성한다.
Stats
각 노드 i의 국소 비용 함수 fi(x)는 Lipschitz 연속 경사를 가진다: ∥∇fi(x) - ∇fi(y)∥ ≤ L∥x - y∥, ∀x, y ∈ Rd
각 국소 비용 함수 fi(x)와 전역 비용 함수 F(x)는 아래로 유계이다: min_x∈Rd F(x) = F* > -∞, min_x∈Rd fi(x) = f*_i > -∞
각 국소 경사 gi(x, ζi)는 무편향이며 분산이 σ^2_g 이하이다: E[gi(x, ζi)] = ∇fi(x), E[∥gi(x, ζi) - ∇fi(x)∥^2] ≤ σ^2_g
Polyak-Łojasiewicz 조건이 성립한다: 2μ(F(x) - F*) ≤ ∥∇F(x)∥^2, ∀x ∈ Rd
Quotes
"각 노드는 시간 변화하는 프라이버시 노이즈를 자신의 로컬 상태에 추가하고 이를 양자화하여 전송함으로써 정보 유출을 방지하고 통신 효율을 높인다."
"샘플링 크기 매개변수를 통해 제어되는 하위 샘플링 방법을 사용하여 프라이버시 노이즈의 영향을 줄이고 차등 프라이버시 수준을 향상시킨다."