Core Concepts
差分プライバシーを考慮した分散最小二乗最適化問題に対する2つのソルバーが提案されました。
Abstract
この論文では、局所コスト関数の差分プライバシー要件を満たす分散最小二乗最適化問題に焦点を当て、2つの異なるソルバーが提案されました。第一のソルバーは、局所データを適切に摂動させることで、(ǫ, δ)-差分プライバシーと計算精度のトレードオフを示しました。第二のソルバーは、平均合意アルゴリズムと組み合わせたものであり、各エージェントがグローバル勾配を特徴付けるパラメータのノイズ版を取得しました。両方のソルバーの効果を示すために数値シミュレーションが行われました。
Stats
各エージェントは局所データセットを保持している。
ノイズレベル¯γ < λA/(√nm)。
ノイズση ≥ µ/¯κǫ(δ)。
Quotes
"本論文では、局所コスト関数の差分プライバシー要件を満たす分散最小二乗最適化問題に焦点を当て、2つの異なるソルバーが提案されました。"
"第一のソルバーは、局所データを適切に摂動させることで、(ǫ, δ)-差分プライバシーと計算精度のトレードオフを示しました。"
"第二のソルバーは、平均合意アルゴリズムと組み合わせたものであり、各エージェントがグローバル勾配を特徴付けるパラメータのノイズ版を取得しました。"