本論文は、差分プライバシーを保証しつつ、最適解に確実に収束する制約付き分散最適化アルゴリズムを提案している。
まず、差分プライバシーを保証しつつ正確な収束を実現する新しい制約付きコンセンサスアルゴリズムを提案する。このアルゴリズムでは、ノイズの影響を徐々に弱めることで、収束精度を維持しつつ差分プライバシーを実現する。
次に、この制約付きコンセンサスアルゴリズムを用いて、差分プライバシーと最適解への確実な収束を両立する制約付き分散最適化アルゴリズムを提案する。アルゴリズムでは、プライマル-デュアル摂動勾配法を用いることで、ラグランジュ関数が strictly convex/concave でなくても最適解に収束できるようにしている。
提案アルゴリズムは、制約関数に関する差分プライバシーも保証するという点で、従来研究と大きく異なる。また、差分プライバシーを保証しつつ最適解への収束も実現するという点でも、従来研究とは対照的である。
翻譯成其他語言
從原文內容
arxiv.org
深入探究