多智能体系统在差分隐私要求下的弹性共识
摘要：多智能体系统在定向网络拓扑中相互作用，其中一部分智能体是对抗性/故障的，而非故障的智能体的目标是达到一致性，并满足对其初始条件的差分隐私要求。为了解决这个问题，我们为非故障的智能体开发了一种更新规则。具体而言，我们提出了所谓的均值子序列减小（MSR）算法的修改版，称为差分隐私MSR（DP-MSR）算法，并描述了算法的三个重要属性：正确性，准确性和差分隐私。我们表明，如果网络拓扑是$(2f +1)$-健壮的，则算法允许非故障的智能体在最多$f$个故障智能体的情况下达成一致，并且我们还描述了算法的准确性。此外，在两种重要情况下，我们还表明我们的分布式算法可以调整以保证初始条件的差分隐私，并且差分隐私要求与最大网络度数有关。结果通过模拟进行了说明。
作者：Davide Fiore and Giovanni Russo
论文ID：1805.08458
分类：Systems and Control
分类简称：cs.SY
提交时间：2020-03-18