⚡ electrical engineering

A Distributionally Robust Optimal Control Approach for Differentially Private Dynamical Systems

यह शोध पत्र विभेदक रूप से निजी (डिफरेंशियल प्राइवेट) गतिशील प्रणालियों के लिए एक सुलभ वितरण रूप से सुदृढ़ इष्टतम नियंत्रण ढांचे का प्रस्ताव करता है जो एक अभिशप्त शोर वितरण (नॉइज़ डिस्ट्रीब्यूशन) पर होने वाले अव्यवहार्य परम-स्थिति लागत न्यूनीकरण को एक उत्तल कुलबैक-लीलर (कुल्बैक-लीलर) डाइवर्जेंस बॉल का उपयोग करके एक समाधान योग्य समस्या में पुनर्गठित करके अविश्वसनीय सर्वरों को सुरक्षित आउटसोर्सिंग सक्षम बनाता है।

मूल लेखक: Yeongjun Jang, Kaoru Teranishi, Junsoo Kim

प्रकाशित 2026-03-20

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Yeongjun Jang, Kaoru Teranishi, Junsoo Kim

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपके पास एक बहुत ही संवेदनशील, मूल्यवान मशीन है (जैसे कि एक सेल्फ-ड्राइविंग कार या पावर ग्रिड) जिसे क्लाउड में स्थित एक सुपर-स्मार्ट कंप्यूटर द्वारा नियंत्रित करने की आवश्यकता है। आप इस क्लाउड कंप्यूटर का उपयोग करना चाहते हैं क्योंकि यह शक्तिशाली है, लेकिन आप उस पर पूरी तरह से भरोसा नहीं करते हैं। आपको डर है कि यदि आप इसे अपनी मशीन का सटीक स्थान या स्थिति भेजते हैं, तो क्लाउड सर्वर आपके डेटा में झाँक सकता है और आपके रहस्यों का पता लगा सकता है।

इसे रोकने के लिए, आप अपने डेटा में "स्टैटिक" या "शोर" (noise) जोड़ने का निर्णय लेते हैं, जैसे कि रेडियो की आवाज़ को थोड़ा बढ़ा देना ताकि फुसफुसाहट दब जाए। इसे डिफरेंशियल प्राइवेसी (Differential Privacy) कहा जाता है। यह सर्वर के लिए यह जानना असंभव बना देता है कि आपका सटीक स्टेट क्या है, लेकिन फिर भी यह उन्हें अपना काम करने देता है।

समस्या: "अंधा" सर्वर
यहाँ पेचीदा हिस्सा यह है: आप (मशीन) बिल्कुल जानते हैं कि आपने कितना शोर जोड़ा है। लेकिन सर्वर? सर्वर "अंधा" है। उसे यह नहीं पता कि आपने थोड़ा सा स्टैटिक जोड़ा है या बहुत सारा, या क्या स्टैटिक एक बेल कर्व (Gaussian) की तरह है या एक तीखे स्पाइक (Laplace) की तरह। वह केवल यह जानता है कि शोर एक निश्चित सीमा के भीतर कहीं है।

यदि सर्वर आपकी मशीन को नियंत्रित करने के लिए एक मानक रेसिपी (जैसे कि एक मानक "बेस्ट गेस" कंट्रोलर) का उपयोग करने की कोशिश करता है, तो वह बुरी तरह विफल हो सकता है यदि वास्तविक शोर उसके अनुमान से अलग है। यह एक शेफ की तरह है जो यह जाने बिना केक पकाने की कोशिश कर रहा है कि ओवन 300 डिग्री पर सेट है या 400 डिग्री पर।

समाधान: "वर्स्ट-केस" शेफ
लेखक इस नए तरीके से खाना पकाने का प्रस्ताव देते हैं। शोर का अनुमान लगाने के बजाय, सर्वर उस सबसे खराब संभव परिदृश्य (worst possible scenario) को मान लेता है जो दी गई सीमा के भीतर हो सकता है।

इसे एक सर्वाइवलिस्ट (survivalist) की तरह समझें जो तूफान के लिए तैयारी कर रहा है। वे केवल "थोड़ी बारिश" के लिए तैयारी नहीं करते; वे उस "सबसे भयानक तूफान" के लिए तैयारी करते हैं जो मौसम के पूर्वानुमान के आधार पर हो सकता है। यदि वे तूफान को संभाल सकते हैं, तो वे हल्की बूंदाबांदी को भी निश्चित रूप से संभाल लेंगे।

इस पेपर को डिस्ट्रीब्यूशनली रोबस्ट ऑप्टिमल कंट्रोल (Distributionally Robust Optimal Control) कहा जाता है।

एम्बिग्युटी सेट (Ambiguity Set): सर्वर उन सभी संभावित शोरों के चारों ओर एक "बाड़" (fence) बनाता है जो आपके द्वारा जोड़े गए शोर के प्रकार हो सकते हैं।
गणितीय ट्रिक: मूल गणितीय समस्या बहुत जटिल है (यह हेडफ़ोन के उलझे हुए तारों को सुलझाने जैसा है)। लेखकों ने इस उलझन को सुलझाने का एक चतुर तरीका खोजा। उन्होंने उस जटिल बाड़ को एक आदर्श, गोल "बुलबुले" (एक गणितीय आकार जिसे KL-डाइवर्जेंस बॉल कहा जाता है) से बदल दिया, जिसमें सभी संभावित शोर समाहित हैं।
परिणाम: यह नया आकार सर्वर को एक परफेक्ट कंट्रोल प्लान कैलकुलेट करने की अनुमति देता है जो गारंटी देता है कि यह काम करेगा, भले ही शोर सबसे खराब प्रकार का क्यों न हो।

ट्रेड-ऑफ: सुरक्षा बनाम पूर्णता
चूंकि सर्वर सबसे खराब स्थिति के लिए तैयारी कर रहा है, इसलिए नियंत्रण "परफेक्ट" स्थितियों में एक मानक कंट्रोलर की तुलना में थोड़ा कम कुशल हो सकता है। यह एक बहुत ही भारी, सुरक्षित सस्पेंशन वाले कार को चलाने जैसा है। यह चिकनी सड़क पर चलने वाली बहुत तेज़ कार नहीं हो सकती है, लेकिन यह ऊबड़-खाबड़ सड़क पर दुर्घटनाग्रस्त नहीं होगी।

प्रयोग क्या दिखाते हैं
शोधकर्ताओं ने कंप्यूटर सिमुलेशन पर इनका परीक्षण किया:

उन्होंने अपने "वर्स्ट-केस" कंट्रोलर की तुलना एक मानक "बेस्ट गेस" कंट्रोलर से की।
जब शोर ठीक वैसा ही था जैसा मानक कंट्रोलर ने उम्मीद की थी, तो दोनों ने ठीक काम किया।
लेकिन जब शोर अजीब या चरम (extreme) था (यानी "वर्स्ट-केस"), तो मानक कंट्रोलर विफल हो गया और लागत (cost) बहुत बढ़ गई।
नया "वर्स्ट-केस" कंट्रोलर स्थिर और सुरक्षित रहा, जिससे साबित हुआ कि यह अनिश्चितता को संभालने में बहुत बेहतर है।

संक्षेप में
यह पेपर क्लाउड में संवेदनशील मशीनों को नियंत्रित करने की एक रेसिपी देता है। यह क्लाउड सर्वर को अनुमान लगाना बंद करने और सबसे बुरे के लिए तैयार होने के बारे में सिखाता है, जिससे यह सुनिश्चित होता है कि भले ही प्राइवेसी शोर अप्रत्याशित हो, मशीन सुरक्षित और नियंत्रण में रहे।

यहाँ येओंगजुन जांग, काओरू टेरानिशी और जुनसू किम के शोध पत्र "A Distributionally Robust Optimal Control Approach for Differentially Private Dynamical Systems" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र एक क्लाउड-आधारित आर्किटेक्चर में एक डायनेमिकल सिस्टम को नियंत्रित करने की चुनौती का समाधान करता है, जहाँ एक संसाधन-सीमित प्लांट (plant) अपनी नियंत्रण गणना (control computation) को एक अर्ध-ईमानदार (semi-honest), अविश्वसनीय रिमोट सर्वर को आउटसोर्स करता है।

गोपनीयता प्रतिबंध (Privacy Constraint): प्लांट के स्टेट ट्राजेक्टरी (state trajectory) को सर्वर से सुरक्षित रखने के लिए (जो संवेदनशील अवस्थाओं का अनुमान लगाने का प्रयास कर सकता है), प्लांट अपने आउटपुट मेजरमेंट्स में कैलिब्रेटेड शोर (noise) इंजेक्ट करता है ताकि डिफरेंशियल प्राइवेसी (DP) गारंटी को पूरा किया जा सके।
अनिश्चितता अंतराल (The Uncertainty Gap): पिछले कार्यों के विपरीत, जो यह मानते हैं कि सर्वर शोर के सटीक वितरण (जैसे विशिष्ट गॉसियन वेरिएंस) और मापदंडों (parameters) को जानता है, यह शोध पत्र यह मानता है कि सर्वर को विशिष्ट तंत्र (गॉसियन बनाम लाप्लास) या प्लांट द्वारा चुने गए सटीक शोर मापदंडों की जानकारी नहीं है।
एम्बिग्युटी सेट (The Ambiguity Set): सर्वर के पास केवल एक एम्बिग्युटी सेट ( $\Xi$ $Ξ$ ) तक पहुँच होती है जिसमें स्वीकार्य शोर वितरण शामिल हैं। यह सेट निम्नलिखित का संघ (union) है:
- गॉसियन वितरण जिसका वेरिएंस $\sigma^2 \in [\underline{\sigma}^2, \overline{\sigma}^2]$ है।
  मापदंड $\sigma^2$ के साथ।
- लाप्लास वितरण जिसका स्केल पैरामीटर $b \in [\underline{b}, \overline{b}]$ है।
उद्देश्य (The Objective): सर्वर को एक इष्टतम आउटपुट-फीडबैक कंट्रोलर डिजाइन करना चाहिए जो इस एम्बिग्युटी सेट के भीतर सभी संभावित वितरणों पर सबसे खराब स्थिति के अपेक्षित लागत (worst-case expected cost) को कम करे।

मुख्य चुनौती: मूल अनुकूलन समस्या (optimization problem) एक गैर-उत्तल (non-convex) एम्बिग्युटी सेट (गॉसियन और लाप्लास वितरणों के संघ) पर एक मिनिमैक्स (minimax) समस्या है, जिससे यह गणनात्मक रूप से अव्यवहार्य (intractable) हो जाती है।

2. कार्यप्रणाली (Methodology)

लेखक एक डिस्ट्रीब्यूशनली रोबस्ट ऑप्टिमल कंट्रोल (DROC) फ्रेमवर्क प्रस्तावित करते हैं जो रिलैक्सेशन (relaxation) और ड्युअलिटी (duality) के माध्यम से इस अव्यवहार्य समस्या को एक समाधान योग्य रूप में परिवर्तित करता है।

A. KL-डाइवर्जेंस बॉल के माध्यम से रिलैक्सेशन (Relaxation via KL-Divergence Ball)

एम्बिग्युटी सेट $\Xi$ की गैर-उत्तलता (non-convexity) को संभालने के लिए, लेखक एक एक नाममात्र गॉसियन वितरण ( $P_{nom}$ ) के केंद्र में एक उत्तल कुलबैक-लीब्लर (KL) डाइवर्जेंस बॉल ( $\mathcal{B}_\eta$ ) का निर्माण करते हैं।

वे सिद्ध करते हैं कि $\Xi$ में सभी स्वीकार्य वितरण (दोनों गॉसियन और लाप्लास वेरिएंट) एक विशिष्ट त्रिज्या $\eta$ के साथ इस KL-डाइवर्जेंस बॉल के भीतर स्थित हैं।
मूल समस्या को इस उत्तल सेट $\mathcal{B}_\eta$ पर सबसे खराब स्थिति की लागत को कम करने के लिए रिलैक्स किया जाता है।

B. रिस्क-सेंसिटिव कंट्रोल के रूप में पुनर्गठन (Reformulation as Risk-Sensitive Control)

स्ट्रॉन्ग ड्युअलिटी और डॉन्स्कर-वरियाडन (Donsker-Varadhan) वेरिएशनल फॉर्मूला का उपयोग करते हुए, लेखक दिखाते हैं कि रिलैक्स्ड मिनिमैक्स समस्या गणितीय रूप से एक रिस्क-सेंसिटिव ऑप्टिमल कंट्रोल समस्या के समकक्ष है।

संभाव्यता वितरण पर आंतरिक मैक्सिमाइजेशन को लागत फलन (cost function) के एक एक्सपोनेंशियल ट्रांसफॉर्मेशन में बदल दिया जाता है।
समस्या बन जाती है: $\inf_{\tau > 0} \tau (\eta + W_\tau)$ , जहाँ $W_\tau$ रिस्क-सेंसिटिव कंट्रोल समस्या का इष्टतम मान है जिसका जोखिम-संवेदनशीलता पैरामीटर $\theta = 1/\tau$ है।

C. क्लोज्ड-फॉर्म समाधान (Closed-Form Solution)

एक निश्चित रिस्क-सेंसिटिविटी पैरामीटर $\tau$ के लिए, समस्या एक LQG-जैसे ढांचे के साथ एक सुलभ, क्लोज्ड-फॉर्म समाधान प्रदान करती है:

स्टेट एस्टिमेटर (State Estimator): एक संशोधित कलमन फिल्टर (Kalman filter) जहाँ रिकाटी समीकरण (Riccati equation) में $\tau$ पर निर्भर एक पद (विशेष रूप से $-Q/\tau$ ) शामिल होता है, जो एस्टिमेशन एरर को रिस्क सेंसिटिविटी के साथ जोड़ता है।
फीडबैक पॉलिसी (Feedback Policy): एक लीनियर स्टेट-फीडबैक कंट्रोलर जो एक बैकवर्ड रिकाटी समीकरण से प्राप्त होता है, जिसे $\tau$ द्वारा भी संशोधित किया गया है।
अनुकूलन (Optimization): इष्टतम कंट्रोलर को पुनर्गठन से प्राप्त ऑब्जेक्टिव फंक्शन को $\tau > 0$ पर 1D सर्च करके प्राप्त किया जाता है।

3. मुख्य योगदान (Key Contributions)

नवीन समस्या सूत्रीकरण (Novel Problem Formulation): यह उन डिफरेंशियल प्राइवेट डायनेमिकल सिस्टम्स के लिए इष्टतम कंट्रोलर को सिंथेसाइज करने वाला पहला कार्य है जो एक साथ गैर-गॉसियन शोर (लाप्लास) और वितरण संबंधी अस्पष्टता (अज्ञात मापदंडों) को ध्यान में रखता है।
सुगम पुनर्गठन (Tractable Reformulation): यह शोध पत्र डिस्ट्रीब्यूशनली रोबस्ट कंट्रोल और रिस्क-सेंसिटिव कंट्रोल के बीच के अंतर को पाटता है, जो एक पूर्व में अव्यवहार्य समस्या के लिए एक गणनात्मक रूप से कुशल क्लोज्ड-फॉर्म समाधान प्रदान करता है।
मजबूती का आश्वासन (Robustness Guarantee): प्रस्तावित कंट्रोलर स्वीकार्य सेट के भीतर सबसे खराब स्थिति के शोर वितरण के विरुद्ध प्रदर्शन की गारंटी देता है, न कि केवल नाममात्र (nominal) वितरण के विरुद्ध।
प्राइवेसी-परफॉर्मेंस ट्रेड-ऑफ विश्लेषण (Privacy-Performance Trade-off Analysis): यह फ्रेमवर्क स्पष्ट रूप से गोपनीयता बजट ( $\epsilon, \delta$ ) को कंट्रोलर के रिस्क-सेंसिटिविटी पैरामीटर से जोड़ता है, यह दिखाते हुए कि सख्त गोपनीयता आवश्यकताएं (छोटा $\epsilon$ ) उच्च शोर स्तरों की आवश्यकता करती हैं, जो बदले में इष्टतम नियंत्रण नीति को बदल देती हैं।

4. सिमुलेशन परिणाम (Simulation Results)

लेखकों ने एक डिस्क्रीट-टाइम लीनियर सिस्टम ( $N=20$ ) के संख्यात्मक उदाहरण का उपयोग करके अपने दृष्टिकोण को मान्य किया।

तुलना (Comparison): प्रस्तावित DROC विधि की तुलना एक मानक लीनियर क्वाड्रेटिक गॉसियन (LQG) कंट्रोलर से की गई जिसे नाममात्र शोर वितरण को मानते हुए डिजाइन किया गया था।
प्रदर्शन मेट्रिक्स (Performance Metrics):
- मजबूती (Robustness): जब वास्तविक शोर मापदंड नाममात्र धारणा से विचलित हुए, तो प्रस्तावित विधि ने मानक LQG की तुलना में कॉस्ट फंक्शन ( $J(K)$ ) के 95वें पर्सेंटाइल और वर्स्ट-केस मानों को काफी कम कर दिया।
- ट्रेड-ऑफ (Trade-off): यह मजबूती औसत-मामले (average-case) के प्रदर्शन में मामूली गिरावट की कीमत पर आई, जो कि रिस्क-अवर्स फॉर्मुलेशन में अपेक्षित है।
प्राइवेसी संवेदनशीलता (Privacy Sensitivity): प्राइवेसी पैरामीटर्स ( $\epsilon, \delta$ ) को बदलते हुए सिमुलेशन ने दिखाया कि जैसे-जैसे गोपनीयता आवश्यकताएं सख्त (कम $\epsilon$ ) होती गईं, नियंत्रण लागत बढ़ गई, जो गोपनीयता और नियंत्रण प्रदर्शन के बीच अंतर्निहित ट्रेड-ऑफ को प्रदर्शित करती है।

5. महत्व (Significance)

यह कार्य सुरक्षित क्लाउड कंट्रोल सिस्टम की तैनाती के लिए महत्वपूर्ण है।

व्यावहारिकता (Practicality): यह मौजूदा साहित्य की एक महत्वपूर्ण सीमा को हल करता है जहाँ सर्वरों को सटीक शोर सांख्यिकी (statistics) का पता होने की धारणा की जाती है, जो अक्सर गोपनीयता-संवेदनशील परिदृश्यों में अवास्तविक होती है जहाँ प्लांट ऐसी जानकारी छिपाकर रखता है।
लचीलापन (Flexibility): दोनों गॉसियन और लाप्लास तंत्रों को समायोजित करके, यह दृष्टिकोण इष्टतम कंट्रोलर को सिंथेसाइज करने की क्षमता से समझौता किए बिना मजबूत गोपनीयता गारंटी (शुद्ध $\epsilon$ -DP वाया लाप्लास) का समर्थन करता है।
सैद्धांतिक प्रगति (Theoretical Advancement): यह उत्तलता रिलैक्सेशन (convex relaxation) और रिस्क-सेंसिटिव कंट्रोल थ्योरी का लाभ उठाकर गैर-उत्तल एम्बिग्युटी सेट वाले डिस्ट्रीब्यूशनली रोबस्ट कंट्रोल समस्याओं को हल करने के लिए एक कठोर गणितीय मार्ग प्रदान करता है।