arXivは11月11日(現地時間)、研究論文「Online Allocation with Differential Privacy」を公開した。本論文は、限られたリソース下でのオンライン割り当て問題において、機密性の高いユーザー情報を保護しつつ性能を最適化するために差分プライバシー(DP)の概念を適用。プライバシー保護メタアルゴリズムPPOAを提案し、その性能とプライバシー特性について詳細に分析している。

研究チームは、オンライン割り当てにおける差分プライバシーの概念を形式化し、これらの定義下での任意のアルゴリズムが持つ基本的な性能限界を確立した。 PPOAは、オンライン割り当てにおいてJoint DP(JDP)またはLocal DP(LDP)を維持しながら、漸近的にほぼ最適な性能を達成するための十分条件を確立する。

この条件に基づき、PPOAは具体的なアルゴリズムとして、JDPとLDPを維持するPPOA-DMDや、JDPを維持するPPOA-FTRLに具現化される。研究チームは、敵対的設定と確率的設定の両方でこれらのアルゴリズムの性能を分析し、差分プライバシーと割り当て性能間の基本的なトレードオフを特性化した。

さらに、バッテリー駆動のエッジシステムにおけるAIモデルルーティングに関する数値実験を通じて、提案されたアルゴリズムが優れた性能を発揮することを示している。この研究はNeurIPS 2026に採択されている。

本論文の著者には、Jianyi Yang氏、Xingyu Zhou氏、Mostafa Mushsharat氏、Shaolei Ren氏が名を連ねている。


参考: arXiv cs.CR (アーカイブ) — 2026年11月16日 14:00 (JST)

原文ハイライト

"Online Allocation with Differential Privacy"

この記事をシェア
X はてブ LinkedIn