Privacy-preserving distributed aggregative game algorithm under random communication compression

doi:10.1016/j.jfranklin.2026.109029

Privacy-preserving distributed aggregative game algorithm under random communication compression

2026-08-29

0

PRE

AI

DOI：10.1016/j.jfranklin.2026.109029

原文链接

原文求助

摘要

En 中文

针对分布式聚合博弈中的隐私泄露风险和通信资源消耗过大的问题，本文提出了一种基于随机量化的分布式无投影纳什均衡搜索算法。该算法结合Frank-Wolfe方法以避免复杂的投影操作，利用随机量化压缩机制减少通信开销，并通过量化引入的随机误差实现差分隐私保护。在切换无向通信拓扑下，本文分析了聚合项估计误差的收敛性，理论上证明了算法策略在均方意义下收敛于精确纳什均衡，并进一步证明了所提出的随机量化方案实现了差分隐私。最后，通过能耗博弈仿真验证了算法的有效性，展示了不同压缩参数下的收敛性能。结果表明，所提算法在显著降低通信开销的同时保证了收敛精度。

Keyword:

Aggregative game

Differential privacy

Random compression

Distributed network

Nash equilibrium

Privacy-preserving distributed aggregative game algorithm under random communication compression

摘要

期刊

机构

引用论文