【技术实现步骤摘要】
具有隐私保护的分布式在线优化算法
本专利技术属于电子信息通信
,具体涉及分布式网络中为通信个体敏感信息提供隐私保护的一种方法,包括个体权重值分解、工作变量的交互和状态变量的更新方法。
技术介绍
分布式优化近年来在多智能体系统,机器学习,通讯网络和智能电网等多个领域得到了广泛的应用。近十年来,计算机系统向网络化和微型化的发展日趋明显,传统的集中式处理模型已经逐渐不能满足人们的需求,相比而言,分布式处理方案在某些方面更具有优越性。多智能体网络系统通常处于动态变化和不确定的环境下,如无人机编队控制、可再生能源系统的调度以及智能电网中的资源分配等,目前研究的多智能体分布式网络优化通常假设节点数据是静态的,且需要网络中所有节点的数据都被收集后才能进行数据处理,这种离线的优化方式导致通信代价过于高昂,在高维数据处理上,应用效果较差,有很大的局限性。然而,大多数分布式在线优化方案都要求个体在迭代过程中向邻居个体显式地交互它们的估计(状态)。例如,在信号源定位中,节点之间的信息交流可能导致泄露彼此之间的位置信息,在安防系统中会带来很大的安全隐患。在一致性问题中,节点间需要交 ...
【技术保护点】
1.一种具有隐私保护的分布式在线优化算法,包括个体间权重值的分解、工作变量的交互和状态变量的更新;其特征在于:根据个体之间的权重值,对其进行分解,产生各自唯一的子权重值,个体的子权重值仅存储于自身;通过Paillier同态加密对工作变量进行加密,并结合子权重与邻居个体进行信息交互;个体对自身的工作变量进行投影操作得出状态变量,重复更新工作变量,随着迭代次数的增加,即可得出准确的优化结果。
【技术特征摘要】
1.一种具有隐私保护的分布式在线优化算法,包括个体间权重值的分解、工作变量的交互和状态变量的更新;其特征在于:根据个体之间的权重值,对其进行分解,产生各自唯一的子权重值,个体的子权重值仅存储于自身;通过Paillier同态加密对工作变量进行加密,并结合子权重与邻居个体进行信息交互;个体对自身的工作变量进行投影操作得出状态变量,重复更新工作变量,随着迭代次数的增加,即可得出准确的优化结果。2.根据权利要求1所述的一种具有隐私保护的分布式在线优化算法,其特征在于:权重值wij(t)需要分解为子权重值wi→j(t)和wj→i(t),并且满足:wij(t)=wi→j(t)*wj→i(t);对于产生的子状态wi→j(...
【专利技术属性】
技术研发人员:汪伟,李德权,姜颖,申修宇,
申请(专利权)人:安徽理工大学,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。