[논문 리뷰] Privacy and Truthful Equilibrium Selection for Aggregative Games

Rachel Cummings, Michael Kearns외 2명|arXiv (Cornell University)|2014. 07. 29.

Auction Theory and Applications참고 문헌 18인용 수 13

한 줄 요약

이 논문은 대규모 다차원 집합 게임에서 진술의 진실성과 순수 전략 내시 균형에의 협력 보장을 보장하는 비밀 보장 약한 중재자(weak mediator)를 제안한다. 이는 비밀 보장 알고리즘을 사용해 근사 내시 균형을 계산함으로써, 공통 사전 확률이나 플레이어 유형에 대한 분포 가정 없이도 진술의 진실성이 유도되는 사후 내시 균형을 달성함으로써 이루어진다.

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.

연구 동기 및 목표

• 플레이어가 정보를 완전히 확보하지 못하고 여러 균형이 존재하는 대규모 집합 게임에서 균형 선택 문제를 해결하기 위해.
• 공통 사전 확률이 필요로 하지 않는 조건에서 진술의 진실성과 특정 내시 균형에의 협력을 유도하는 약한 중재자를 설계하기 위해.
• 교통 루팅 게임을 넘어서 익명 및 가중치 부여된 혼잡도 게임을 포함한 광범위한 게임 클래스로 약한 중재자의 적용 가능성을 확장하기 위해.
• 선형 목표 함수를 활용해 최악의 결과를 개선하는 내시 균형을 최적화하기 위해.
• 베이지안 가정 없이 사후 내시 균형을 달성함으로써, 보편 원칙의 강력한 대안을 제공하기 위해.

제안 방법

• 플레이어의 비밀 보장을 위해 대규모 집합 게임에서 내시 균형을 계산하는 데 비밀 보장 알고리즘 PSummNash를 사용한다.
• 질의 수에 대해 로그 오차를 갖는 효율적인 방법으로 플레이어의 최적 반응 및 집계 함수에 관한 다수의 질의에 응답하기 위해 스퍼스 메커니즘을 활용한다.
• 최적 반응 함수의 근사 고정점 탐지, 전략 프로파일의 불연속성 탐지, 균형 조건 검증을 위해 세 개의 질의 세트를 적용한다.
• 변형된 전략 프로파일을 순차적으로 평가함으로써 전략 프로파일을 따라 안정된 균형을 식별하는 '부드러운 보행'을 구성한다.
• 개별 플레이어의 데이터가 중재자의 출력으로부터 유추될 수 없도록 보장하기 위해 공동 차별적 비밀 보장(joint differential privacy)을 통합한다.
• 두 단계 알고리즘을 사용한다: 먼저 고정점 근사로 후보 균형을 식별하고, 이후 순차적 전략 프로파일 평가를 통해 정밀화한다.

실험 결과

연구 질문

• RQ1 공통 사전 확률을 가정하지 않고도 대규모 집합 게임에서 진술의 진실성과 균형 협력을 보장하는 약한 중재자를 구축할 수 있는가?
• RQ2 이러한 중재자가 최악의 균형이 아닌 선형 목표 함수를 최적화하는 내시 균형을 계산하도록 설계될 수 있는가?
• RQ3 교통 루팅 게임을 넘어서 익명 및 가중치 부여된 혼잡도 게임을 포함한 더 넓은 게임 클래스로 약한 중재자의 존재를 확장할 수 있는가?
• RQ4 차별적 비밀 보장을 어떻게 활용하여 균형 선택에서 비밀 보장과 전략적 인centive를 동시에 확보할 수 있는가?
• RQ5 최악의 또는 임의의 플레이어 유형이 존재하는 환경에서 중재자가 사후 내시 균형 성질을 달성할 수 있는가?

주요 결과

• 제안된 PSummNash 알고리즘은 ε-공동 차별적 비밀 보장을 만족하며, 확률 1−β 이상로 (10α + 2γ)-근사 순수 전략 내시 균형을 계산한다.
• 균형 수렴 속도는 플레이어 수 n에 대해 역다항식으로서, 대규모 게임에서의 확장성을 보장한다.
• 진술의 진실성과 중재자의 제안을 따르는 것이, 플레이어 유형이 임의적이거나 최악의 경우일지라도 사후 내시 균형을 형성한다.
• 이 방법은 기존에 알려진 것보다 훨씬 광범위한 클래스인 다차원 집합 게임으로 약한 중재자를 확장했다 (예: 이전에는 교통 루팅 게임만 해당).
• 이 알고리즘은 이전에 알려진 바가 없이 선형 목표 함수를 최적화하는 약한 중재자를 처음으로 구현하였다. 이는 임의의 또는 최악의 내시 균형을 선택하는 것이 아니라, 목표를 최적화한다.
• 결과적으로, 공통 사전 확률이 없이도 더 강력한 사후 균형 인센티브를 달성하는 보편 원칙의 강력한 대안을 제공한다.