王继民, 北京科技大学

本文研究了符号网络上的差分隐私二部一致性问题。针对这一问题，提出了一种在合作竞争交互信息中加入时变方差噪声的新算法。为了实现隐私保护，允许增加附加噪声的方差，这与现有的文献有本质的不同。此外，添加噪声的方差可以是衰减的或恒定的。通过使用基于随机逼近方法的时变步长，我们证明了该算法均方意义下收敛，并且即使在隐私噪声增加的情况下也几乎处处收敛。我们进一步提出了了一种设计步长和噪声参数的方法，使得算法在期望的精度和预定义的差分隐私级别下达到渐近无偏的二部趋同。此外，我们给出了算法的均方收敛速度和几乎处处收敛速度，以及不同形式隐私噪声下的隐私级别。我们还揭示了准确性和隐私之间的平衡关系。最后，数值算例验证了理论结果，并表明了该算法相对于现有方法的优越性。