分散型最適化

分散型非凸確率最適化アルゴリズムにおける差分プライバシーと量子化通信

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。

分散型変分不等式の効率的な通信のための3つの柱: 類似性、圧縮、ローカルステップ

分散型非凸確率最適化アルゴリズムにおける差分プライバシーと量子化通信