Differentially Private Distributed Convex Optimization via Functional Perturbation

We study a class of distributed convex constrained optimization problems where a group of agents aim to minimize the sum of individual objective functions while each desires that any information about its objective function is kept private. We prove the impossibility of achieving differential privac...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE transactions on control of network systems Ročník 5; číslo 1; s. 395 - 408
Hlavní autoři:	Nozari, Erfan, Tallapragada, Pavankumar, Cortes, Jorge
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	IEEE 01.03.2018
Témata:	Algorithm design and analysis Convex functions Cyber-physical systems differential privacy distributed algorithms/control Heuristic algorithms Hilbert space Linear programming networks of autonomous agents Optimization Privacy
ISSN:	2325-5870, 2372-2533
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!