[논문 리뷰] An Anti-Folk Theorem for Large Repeated Games with Imperfect Monitoring

Mallesh M. Pai, Aaron Roth외 1명|arXiv (Cornell University)|2014. 02. 12.

Privacy-Preserving Technologies in Data참고 문헌 24인용 수 15

한 줄 요약

이 논문은 큰 반복 게임에서 비완전 감시 조건 하에 악의적 민간 이론(anti-folk theorem)을 수립한다. 플레이어의 신호가 $(\epsilon,\gamma)$-차별적 프라이버시를 만족할 경우, 반복 게임의 균형은 매 시기 단계 게임의 근사 균형을 포함해야 한다는 것을 보여준다. 플레이어 수가 증가함에 따라 $\epsilon$과 $\gamma$는 감소하여 균형 집합이 단계 게임의 균형으로 붕괴되며, 이는 이러한 설정에서 민간 이론의 예측 능력을 제한한다.

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.

연구 동기 및 목표

• 비완전 감시 조건 하에 큰 반복 게임에서 민간 이론이 여전히 예측 능력을 유지하는지 조사하기.
• 반복 게임에서 균형의 다수성이 단계 게임의 균형으로 붕괴되는 조건을 규명하기.
• 큰 게임과 차별적 프라이버시 간의 관계를 '크기'의 척도로 정량화하는 데 기여하기.
• 기존 문헌에서의 점근적 결과를 넘어서 균형 행동에 대한 정량적 경계를 제공하기.
• 고정된 노이즈 수준을 가진 큰 게임에서, 신호가 $n \to \infty$일 때 $\epsilon,\gamma \to 0$으로 수렴하는 $(\epsilon,\gamma)$-차별적 프라이버시를 자연스럽게 만족한다는 것을 보여주기.

제안 방법

• 저자들은 반복 게임의 신호를 모델링하기 위해 $(\epsilon,\gamma)$-차별적 프라이버시를 정의하고 적용한다.
• 신호가 작은 $\epsilon$과 $\gamma$를 가진 $(\epsilon,\gamma)$-차별적 프라이버시를 만족할 경우, 반복 게임의 균형은 매 시기 단계 게임의 근사 균형을 포함해야 한다는 것을 증명한다.
• 공개 감시의 경우, 균형은 단계 게임의 근사 내쉬 균형이어야 하며, 비공개 감시의 경우 근사 상관 균형이어야 한다.
• 차별적 프라이버시 이론의 조합 및 후처리 정리들을 활용하여, 신호 변환 하에서도 프라이버시 보장을 유지한다.
• 일원적 이탈이 영향을 미치는 데 작은 영향을 주는 큰 게임에 이 프레임워크를 적용하여, 고정된 노이즈 수준 하에서 $n \to \infty$일 때 $\epsilon,\gamma \to 0$임을 보였다.
• 결과는 Green(1980)과 Sabourian(1990)의 이전 결과를 일반화하고 정량화하며, 유한 표본 경계를 제공한다.

실험 결과

연구 질문

• RQ1 큰 반복 게임에서 비완전 감시 조건 하에 균형이 단계 게임의 균형으로 축소되는 조건은 무엇인가?
• RQ2 차별적 프라이버시가 반복 게임에서 '크기'의 자연스럽고 정량적인 척도로 기능할 수 있는가?
• RQ3 신호가 차별적 프라이버시를 만족할 경우 민간 이론 균형의 타당성이 어느 정도 손상되는가?
• RQ4 균형의 붕괴가 점근적 결과 외에도 정량적으로 경계될 수 있는가?
• RQ5 단계 게임의 모든 상관 균형 수열이 비공개 감시와 차별적 프라이버시를 가진 신호를 갖는 반복 게임에서 균형으로서 지지될 수 있는가?

주요 결과

• 작은 $\epsilon$과 $\gamma$를 가진 $(\epsilon,\gamma)$-차별적 프라이버시를 만족하는 신호가 존재할 경우, 반복 게임의 균형은 매 시기 단계 게임의 근사 균형을 포함해야 한다.
• 고정된 노이즈 수준을 가진 큰 게임에서 플레이어 수 $n$이 증가함에 따라 $\epsilon$과 $\gamma$는 0으로 수렴하며, 이는 반복 게임 균형이 단계 게임 균형으로 붕괴됨을 의미한다.
• 공개 감시의 경우 균형 집합은 단계 게임의 근사 내쉬 균형으로 붕괴된다.
• 비공개 감시의 경우 균형 집합은 단계 게임의 근사 상관 균형으로 붕괴된다.
• 결과는 균형 행동에 대한 정량적 경계를 제공하며, 이는 이전 문헌의 정성적 또는 점근적 결과를 넘어서는 것이다.
• 이 프레임워크는 차별적 프라이버시가 반복 게임에서 '크기'의 자연스럽고 일반적인 척도임을 시사하며, 예측 가능성과 애너키의 가격에 대한 영향을 지닌다.