Privacy Preserving DCOP Solving by Mediation

Pablo Kogan, Tamir Tassa, Tal Grinshpoun

פרסום מחקרי: פרק בספר / בדוח / בכנספרסום בספר כנסביקורת עמיתים


In this study we propose a new paradigm for solving DCOPs, whereby the agents delegate the computational task to a set of external mediators who perform the computations for them in an oblivious manner, without getting access neither to the problem inputs nor to its outputs. Specifically, we propose MD-Max-Sum, a mediated implementation of the Max-Sum algorithm. MD-Max-Sum offers topology, constraint, and decision privacy, as well as partial agent privacy. Moreover, MD-Max-Sum is collusion-secure, as long as the set of mediators has an honest majority. We evaluate the performance of MD-Max-Sum on different benchmarks. In particular, we compare its performance to PC-SyncBB, the only privacy-preserving DCOP algorithm to date that is collusion-secure, and show the significant advantages of MD-Max-Sum in terms of runtime.

שפה מקוריתאנגלית
כותר פרסום המארחCyber Security, Cryptology, and Machine Learning - 6th International Symposium, CSCML 2022, Proceedings
עורכיםShlomi Dolev, Amnon Meisels, Jonathan Katz
מוציא לאורSpringer Science and Business Media Deutschland GmbH
מספר עמודים12
מסת"ב (מודפס)9783031076886
מזהי עצם דיגיטלי (DOIs)
סטטוס פרסוםפורסם - 2022
אירוע6th International Symposium on Cyber Security Cryptography and Machine Learning, CSCML 2022 - Beer Sheva, ישראל
משך הזמן: 30 יוני 20221 יולי 2022

סדרות פרסומים

שםLecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)
כרך13301 LNCS
ISSN (מודפס)0302-9743
ISSN (אלקטרוני)1611-3349


כנס6th International Symposium on Cyber Security Cryptography and Machine Learning, CSCML 2022
עירBeer Sheva

הערה ביבליוגרפית

Publisher Copyright:
© 2022, Springer Nature Switzerland AG.

טביעת אצבע

להלן מוצגים תחומי המחקר של הפרסום 'Privacy Preserving DCOP Solving by Mediation'. יחד הם יוצרים טביעת אצבע ייחודית.

פורמט ציטוט ביבליוגרפי