Differential Privacy May Have a Potential Optimization Effect on Some Swarm Intelligence Algorithms besides Privacy-preserving

要約

差分プライバシー (DP) は、有望なプライバシー保護モデルとして、近年研究者から大きな関心を集めています。
現在、機械学習とDPの組み合わせに関する研究が盛んに行われています。
対照的に、もう 1 つの広く使用されている人工知能技術である群知能 (SI) アルゴリズムは、プライバシーの懸念も引き起こしているにもかかわらず、DP の文脈ではほとんど注目されていません。
このため、本論文では、初めて DP と SI を組み合わせることを試み、一般的な差分プライベート群インテリジェンス アルゴリズム フレームワーク (DPSIAF) を提案します。
このフレームワークは、指数関数的なメカニズムに基づいて、既存の SI アルゴリズムをプライベート バージョンに簡単に開発できます。
例として、提案された DPSIAF を 4 つの一般的な SI アルゴリズムに適用し、対応する分析によってその有効性が実証されました。
さらに興味深いことに、実験結果は、プライベート アルゴリズムのパフォーマンスがプライバシー バジェットによって厳密には影響を受けず、場合によってはプライベート アルゴリズムの 1 つが非プライベート バージョンよりも優れたパフォーマンスを発揮することさえ示しています。
これらの発見は、DP を伴う SI の特異性を示す従来の認知とは異なります。
私たちの研究は、DP に関する新たな視点を提供し、メタヒューリスティック最適化コミュニティとプライバシー コンピューティング コミュニティの間の相乗効果を促進する可能性があります。

要約(オリジナル)

Differential privacy (DP), as a promising privacy-preserving model, has attracted great interest from researchers in recent years. Currently, the study on combination of machine learning and DP is vibrant. In contrast, another widely used artificial intelligence technique, the swarm intelligence (SI) algorithm, has received little attention in the context of DP even though it also triggers privacy concerns. For this reason, this paper attempts to combine DP and SI for the first time, and proposes a general differentially private swarm intelligence algorithm framework (DPSIAF). Based on the exponential mechanism, this framework can easily develop existing SI algorithms into the private versions. As examples, we apply the proposed DPSIAF to four popular SI algorithms, and corresponding analyses demonstrate its effectiveness. More interestingly, the experimental results show that, for our private algorithms, their performance is not strictly affected by the privacy budget, and one of the private algorithms even owns better performance than its non-private version in some cases. These findings are different from the conventional cognition, which indicates the uniqueness of SI with DP. Our study may provide a new perspective on DP, and promote the synergy between metaheuristic optimization community and privacy computing community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google