在线服务中隐私的效用理论方法

网络搜索、新闻门户和电子商务应用等在线服务面临着为庞大且异质的用户群提供高质量服务的挑战。近期的研究强调了通过引入基于用户及其上下文特定知识的服务个性化方法来提升性能的潜力。例如，用户的人口统计特征、位置以及过去的搜索和浏览记录可能有助于提升响应网络搜索查询所提供的结果。然而，用户、服务提供商以及代表公民行事的政府机构对隐私的合理担忧，可能会限制服务对此类信息的访问。我们引入并探讨了个性化中的隐私经济学，其中人们可以选择以长期或按需的方式共享个人信息，以换取在线服务质量的预期提升。我们以网络搜索为例，为搜索效率和隐私构建了现实的目标函数。我们展示了如何高效地找到效用与隐私权衡的可证明近似最优解。我们在志愿者参与者搜索活动日志的数据上评估了我们的方法。我们通过一项大规模调查分别评估了用户对隐私和效用的偏好，旨在了解人们为了换取搜索效率的提升而共享个人数据的意愿。我们表明，使用相对少量的用户信息即可实现显著的个性化水平。