分布式隐私学习算法

平衡隐私与效用

在保护各节点本地隐私的同时，通过有限通信实现网络级最优决策。

Youming, Tao · Chen, Shuzhen · 李峰 · 于东晓 · 禹继国 · 盛浩

IEEE Transactions on Knowledge and Data Engineering 2023

技术优势

通信量随节点数仅以对数规模增长

学习效用与中心化最优决策的差距渐近趋近于零

隐私保护强度可通过噪声水平灵活调控

应用场景

• 分布式传感器网络：在传感器数据融合中保护单个节点隐私，降低通信能耗。
• 多智能体系统：在不可信多智能体协作中实现隐私保护的协同决策。
• 群体机器人：在群体机器人任务分配中保护个体策略隐私。
• 可穿戴设备隐私：在可穿戴设备数据聚合中防止个人健康信息泄露。
• 具身智能隐私：在具身智能交互中保护行为模式不被推断。