基于差分隐私的近似最优机制设计
计算机科学与博弈论
2015-03-14 v4 密码学与安全
摘要
本文研究了抽象的相互依赖值模型与任意目标函数下的实施挑战。我们设计了一种机制，允许在事后纳什均衡中对不敏感目标函数进行近似最优实施。此外，如果价值是私有的，则同一机制是策略防护的。我们将结果应用于两个具体模型：定价和设施定位。我们设计的机制是最优的，其加性因子的数量级为智能体数量平方根的倒数，且不涉及效用转移。我们机制的基础是两种辅助机制之间的抽签：以高概率启动一种机制，该机制降低参与者对社会备选项选择的影响力，同时以高概率选择最优结果。这正是差分隐私这一新近概念被应用之处。以互补概率启动另一种机制，该机制通常远离最优但满足激励相容。联合机制继承了两者所期望的性质。
引用
@article{arxiv.1004.2888,
title = {Approximately Optimal Mechanism Design via Differential Privacy},
author = {Kobbi Nissim and Rann Smorodinsky and Moshe Tennenholtz},
journal= {arXiv preprint arXiv:1004.2888},
year = {2015}
}