[論文レビュー] An Anti-Folk Theorem for Large Repeated Games with Imperfect Monitoring

Mallesh M. Pai, Aaron Roth+1 more|arXiv (Cornell University)|Feb 12, 2014

Privacy-Preserving Technologies in Data参考文献 24被引用数 15

ひとこと要約

本稿は、大規模な繰り返しゲームにおける不完全なモニタリングに対して、$(\epsilon,\gamma)$-微分プライバシーを満たす信号を有するプレイヤーの状況において、反フォーク定理を確立している。これは、各期間における繰り返しゲームの均衡が、段階ゲームの近似均衡を含まなければならないことを示している。プレイヤー数が増加するにつれ、$\epsilon$ と $\gamma$ が減少し、均衡の集合が段階ゲームの均衡に収束する。その結果、このような状況ではフォーク定理の予測力が制限される。

ABSTRACT

We study infinitely repeated games in settings of imperfect monitoring. We first prove a family of theorems that show that when the signals observed by the players satisfy a condition known as $(ε, γ)$-differential privacy, that the folk theorem has little bite: for values of $ε$ and $γ$ sufficiently small, for a fixed discount factor, any equilibrium of the repeated game involve players playing approximate equilibria of the stage game in every period. Next, we argue that in large games ($n$ player games in which unilateral deviations by single players have only a small impact on the utility of other players), many monitoring settings naturally lead to signals that satisfy $(ε,γ)$-differential privacy, for $ε$ and $γ$ tending to zero as the number of players $n$ grows large. We conclude that in such settings, the set of equilibria of the repeated game collapse to the set of equilibria of the stage game.

研究の動機と目的

• 不完全なモニタリングを伴う大規模な繰り返しゲームにおいて、フォーク定理が予測力を持続するかを調査すること。
• 繰り返しゲームにおける均衡の多様性が段階ゲームの均衡に収束する条件を特定すること。
• 大規模ゲームと微分プライバシーの間の関係を、「大きさ」の測度として形式化すること。
• 先行研究の極限結果を越えて、均衡行動に関する定量的バインディングを提供すること。
• 固定されたノイズレベルを持つ大規模ゲームでは、信号が$ (\epsilon,\gamma) $-微分プライバシーを満たし、$ n \to \infty $ で $\epsilon,\gamma \to 0$ となることを示すこと。

提案手法

• 著者らは、$(\epsilon,\gamma)$-微分プライバシーを定義し、不完全なモニタリングを伴う繰り返しゲームにおける信号のモデル化に適用している。
• 信号が小さな $\epsilon$ と $\gamma$ を満たす $(\epsilon,\gamma)$-微分プライバシーを満たす場合、繰り返しゲームの均衡は各期間において段階ゲームの近似均衡を含まなければならないことを証明している。
• 公共モニタリングの場合、均衡は段階ゲームの近似ナッシュ均衡でなければならない。私的モニタリングの場合、均衡は段階ゲームの近似相関均衡でなければならない。
• 微分プライバシーの合成および後処理定理を活用し、信号変換下でもプライバシー保証を維持する。
• 単一のプレイヤーの行動が全体に与える影響が小さい大規模ゲームにこのフレームワークを適用し、固定ノイズレベルのもとで $ n \to \infty $ で $\epsilon,\gamma \to 0$ となることを示している。
• 結果は、グリーン（1980）およびサバリアン（1990）の先行研究を一般化・定量化し、有限サンプルのバインディングを提供している。

実験結果

リサーチクエスチョン

• RQ1 不完全なモニタリングを伴う大規模な繰り返しゲームにおいて、均衡が段階ゲームの均衡に縮小される条件は何か？
• RQ2 微分プライバシーは、繰り返しゲームにおける「大きさ」の自然で定量的な測度として機能できるか？
• RQ3 信号が微分プライバシーを満たす場合、フォーク定理の均衡がどの程度その有効性を失うか？
• RQ4 均衡の収束が漸近的ではなく、定量的にバインディング可能か？
• RQ5 段階ゲームの相関均衡の任意の系列が、私的モニタリングと微分プライバシーを満たす信号を持つ繰り返しゲームの均衡として実現可能か？

主な発見

• 信号が小さな $\epsilon$ と $\gamma$ を満たす $(\epsilon,\gamma)$-微分プライバシーを満たす場合、繰り返しゲームの均衡は各期間において段階ゲームの近似均衡を含まなければならない。
• 固定ノイズレベルのもとで大規模ゲームでは、プレイヤー数 $n$ が増加するにつれて $\epsilon$ と $\gamma$ が 0 に近づき、繰り返しゲームの均衡が段階ゲームの均衡に収束する。
• 公共モニタリングの場合、均衡の集合は段階ゲームの近似ナッシュ均衡に収束する。
• 私的モニタリングの場合、均衡の集合は段階ゲームの近似相関均衡に収束する。
• 結果は、均衡行動に関する定量的バインディングを提供しており、先行研究の定性的または極限的結果を越えている。
• このフレームワークは、微分プライバシーが繰り返しゲームにおける「大きさ」の自然で包括的な測度であることを示唆し、予測可能性およびアーリアの価格に影響を与える。