隐私保护的分布式投影LMS用于线性多任务网络
摘要：隐私保护的分布式投影最小均方（LMS）策略在线性多任务网络中被开发，其中代理的本地参数或任务线性相关。每个代理不仅希望通过与邻近代理的协作来提高其本地推断性能，还希望保护自己的个体任务免受隐私泄露。在我们提出的策略中，每个代理在每个时间点发送一个带有零均值加性噪声的噪声估计，该估计是其本地中间估计被噪声破坏后的值。我们推导出一个足够的条件来确定要添加到每个代理的中间估计中的噪声量，以实现网络均方偏差和推断隐私限制之间的最佳折衷。我们提出了一种分布式自适应策略来计算加性噪声功率，并研究了所提出策略的均值、均方行为和隐私保护性能。仿真结果表明，我们的策略能够平衡估计准确性和隐私保护之间的折衷。
作者：Chengcheng Wang, Wee Peng Tay, Ye Wei, Yuan Wang
论文ID：2010.05527
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2022-01-05