日前，威尼斯432888cam曹向辉教授团队在信息论领域顶级期刊《IEEE Transactions on Information Theory》上在线发表了题为《隐私保护平均一致性：基础分析与一种通用框架设计》（Privacy-Preserving Average Consensus: Fundamental Analysis and a Generic Framework Design）的论文（长文），该论文报道了平均一致性隐私保护方面最新的研究成果。
平均一致性是分布式协同的基础，在分布式系统有着广泛应用。然而在平均一致性协同过程中，分布式设备的内部隐私信息即设备初始状态可能遭到泄露。尽管目前已有多种针对平均一致性的隐私保护算法，然而平均一致性隐私保护的理论条件和针对多种平均一致性动态方程的隐私保护通用框架仍然是悬而未决的问题。
在这项研究中，该团队首先系统性分析了平均一致性过程的隐私泄露风险，分析了四类隐私泄露场景，并刻画了隐私保护算法的理论上界。随后针对目前主流的三种平均一致性动态方程，设计了一种基于乘性噪声的隐私保护通用框架。该框架中乘性噪声用于保护隐私，有限时间误差补偿项用于保证系统精度。该研究证明了所提框架的收敛性和隐私保护效果，并通过与差分隐私方法对比证明了所提方法的优势。相比于传统算法，所提算法可以实现有限/无限时间收敛平均一致性的隐私保护并保证收敛精度。基于最大隐私泄露概率，该研究对噪声参数选择给出指导并给出了隐私保护效果的量化指标。该研究对不同类型分布式平均一致性动态过程给出了隐私保护的拓扑条件和通用的隐私保护框架。
威尼斯432888cam博士研究生叶枫为本文第一作者，曹向辉教授为通信作者。威尼斯432888cam为本文第一作者单位和通信单位。该研究与上海交通大学Mo-Yuen Chow教授团队、加拿大维多利亚大学Lin Cai教授团队合作完成。该论文得到了国家自然科学基金、深圳市科学技术项目的资助。《IEEE Transactions on Information Theory》是IEEE信息论学会主办的老牌高水平学术期刊之一，同时也是中国计算机学会（CCF）和中国自动化学会（CAA）推荐的A类期刊。
本文链接https://ieeexplore.ieee.org/document/10445335
