[論文レビュー] Privacy and Truthful Equilibrium Selection for Aggregative Games

Rachel Cummings, Michael Kearns+2 more|arXiv (Cornell University)|Jul 29, 2014

Auction Theory and Applications参考文献 18被引用数 13

ひとこと要約

本稿は、大規模な多次元集約的ゲームにおける差分プライバシーを保証する弱い仲介者を提案し、真実の報告と純粋戦略ナッシュ均衡への調整を保証する。これは、プライバシーを守るアルゴリズムを用いて近似ナッシュ均衡を計算することにより達成され、共通の事前分布やプレイヤー型に関する分布的仮定がなくても、真実性がインcentivizedされる事後ナッシュ均衡をもたらす。

ABSTRACT

We study a very general class of games --- multi-dimensional aggregative games --- which in particular generalize both anonymous games and weighted congestion games. For any such game that is also large, we solve the equilibrium selection problem in a strong sense. In particular, we give an efficient weak mediator: a mechanism which has only the power to listen to reported types and provide non-binding suggested actions, such that (a) it is an asymptotic Nash equilibrium for every player to truthfully report their type to the mediator, and then follow its suggested action; and (b) that when players do so, they end up coordinating on a particular asymptotic pure strategy Nash equilibrium of the induced complete information game. In fact, truthful reporting is an ex-post Nash equilibrium of the mediated game, so our solution applies even in settings of incomplete information, and even when player types are arbitrary or worst-case (i.e. not drawn from a common prior). We achieve this by giving an efficient differentially private algorithm for computing a Nash equilibrium in such games. The rates of convergence to equilibrium in all of our results are inverse polynomial in the number of players $n$. We also apply our main results to a multi-dimensional market game. Our results can be viewed as giving, for a rich class of games, a more robust version of the Revelation Principle, in that we work with weaker informational assumptions (no common prior), yet provide a stronger solution concept (ex-post Nash versus Bayes Nash equilibrium). In comparison to previous work, our main conceptual contribution is showing that weak mediators are a game theoretic object that exist in a wide variety of games -- previously, they were only known to exist in traffic routing games.

研究の動機と目的

• プレイヤーが不完全情報であり、複数の均衡が存在する大規模な集約的ゲームにおける均衡選択問題を解決すること。
• 共通事前分布を要件としない弱い仲介者を設計し、真実の型報告と特定のナッシュ均衡への調整をインcentivizeすること。
• 交通ルーティングゲームにとどまらず、匿名的および重み付き混雑ゲームを含む広範なゲームクラスへ弱い仲介者の適用範囲を拡張すること。
• 線形目的関数を活用して、最悪ケースの結果を改善するナッシュ均衡を最適化すること。
• ベイジアン仮定を要件としない、事後ナッシュ均衡を達成するレヴェレーション原理の強力な代替案を提供すること。

提案手法

• 差分プライバシーを保証するアルゴリズム PSummNash を用いて、プレイヤーのプライバシーを保護しつつ、大規模な集約的ゲームにおけるナッシュ均衡を計算する。
• スパースメカニズムを用いて、プレイヤーの最適反応および集約関数に関する多数のクエリを、クエリ数の対数的誤差で効率的に処理する。
• 最適反応関数の近似固定点の検出、戦略プロファイルの不連続性の検出、均衡条件の検証のための3セットのクエリを適用する。
• 摂動を加えた戦略プロファイルを逐次評価することで、安定な均衡を特定する「スムーズなウォーク」を構築する。
• 連合差分プライバシーを用いて、個々のプレイヤーのデータが仲介者の出力から推測できないようにプライバシー保証を統合する。
• 2段階のアルゴリズムを採用：まず固定点近似により候補均衡を特定し、次に逐次戦略プロファイル評価により精錬する。

実験結果

リサーチクエスチョン

• RQ1 共通事前分布を仮定せず、大規模な集約的ゲームにおいて真実の報告と均衡への調整を保証する弱い仲介者を構築できるか？
• RQ2 このような仲介者が、最悪ケースの均衡ではなく線形目的関数を最適化するナッシュ均衡を計算できるか？
• RQ3 弱い仲介者の存在を、交通ルーティングゲームにとどまらず、匿名的および重み付き混雑ゲームを含むより広範なゲームクラスへ拡張可能か？
• RQ4 差分プライバシーを活用して、均衡選択におけるプライバシーと戦略的インセンティブの両方を確保できるか？
• RQ5 最悪ケースまたは任意のプレイヤー型の設定において、仲介者が事後ナッシュ均衡の性質を達成できるか？

主な発見

• 提案された PSummNash アルゴリズムは ε-連合差分プライバシーを満たし、確率 1−β 以上で (10α + 2γ)-近似純粋戦略ナッシュ均衡を計算する。
• 均衡への収束速度はプレイヤー数 n に対して逆多項式であり、大規模ゲームにおけるスケーラビリティを保証する。
• 真実の報告と仲介者の提案に従うことは、プレイヤー型が任意または最悪ケースであっても、事後ナッシュ均衡を形成する。
• 本手法により、弱い仲介者は多次元集約的ゲームへと拡張され、これまでに知られていた範囲（例：以前は交通ルーティングゲームのみ）よりもはるかに広範なクラスに適用可能となった。
• 本アルゴリズムは、任意または最悪ケースのナッシュ均衡を選択するのではなく、線形目的関数を最適化する弱い仲介者を実装する最初のものである。
• 結果として、共通事前分布を要件とせず、より強い事後均衡インセンティブを達成する、レヴェレーション原理の強力な代替案が提供された。