Resumen

Este documento investiga un problema de optimización distribuida restringida habilitada por la privacidad diferencial, donde la red subyacente es cambiante en el tiempo con digrafos desequilibrados. Para resolver dicho problema, primero proponemos un algoritmo distribuido en línea diferencialmente privado mediante la inyección de ruidos Laplace ajustables de forma adaptativa. El algoritmo propuesto no solo puede proteger la privacidad de los participantes sin comprometer a un tercero de confianza, sino que también puede implementarse en digrafos desequilibrados cambiantes en el tiempo de forma más general. Bajo condiciones leves, luego demostramos que el algoritmo propuesto puede lograr un límite esperado sublineal de arrepentimiento para funciones objetivo locales cóncavas generales. El resultado muestra que hay un equilibrio entre la precisión de la optimización y el nivel de privacidad. Finalmente, se realizan simulaciones numéricas para validar la eficiencia del algoritmo propuesto.

• Materias:Internet de las cosas Algoritmo iterativo Algoritmo de evaluación Viga viscoelástica Lenguaje de programación
• Subjects:Internet of things Iterative algorithm Evaluation algorithm Viscoelastic beam Programming language
• Palabras claves:Papel; Optimización distribuida; Privacidad diferencial; Red; Digrafos; Algoritmo
• Keywords:Paper; Distributed optimization; Differential privacy; Network; Digraphs; Algorithm