状态分解隐私保护算法

强隐私二部共识

在实现多智能体非对称二部一致性的同时,确保每个智能体的初始与最终状态均不被泄露。

Fan, Fang · 杨洪勇 · 刘飞

IET Control Theory and Applications 2024

技术优势

初始状态不泄露

通过状态分解,每个智能体的初始状态信息不被其他智能体获得,即使存在显式交互。

最终状态也保密

算法设计保证最终收敛值同样不会被其他智能体推断出来,避免共识过程中的隐私泄露。

共识值不对称

算法能够实现非对称二部一致性,即各组智能体的共识值在符号和模上均不同,适用于竞争与合作共存场景。

隐私强保护

通过引入保存系数,算法能够在存在显式交互的情况下抵抗隐私推断攻击,保护所有智能体的状态。

应用场景