Główne pojęcia
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。
Streszczenie
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プライバシーノイズを加え、量子化して送信することで、情報漏洩を防ぐ。
- サブサンプリング手法を用いることで、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条件の下で、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。
- サンプルサイズが無限大になると、平均収束と有限の累積差分プライバシー予算を同時に達成する。
Statystyki
ノイズパラメータσkが増加するにつれ、差分プライバシー予算ϵが減少する。
サンプルサイズパラメータγが大きいほど、差分プライバシー予算ϵが小さくなる。
ステップサイズパラメータβが小さいほど、差分プライバシー予算ϵが小さくなる。
Cytaty
"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。"
"サブサンプリング手法を用いることで、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。"
"サンプルサイズが無限大になると、平均収束と有限の累積差分プライバシー予算を同時に達成する。"