集体隐私恢复：通过去中心化人工智能进行数据共享协调

集体隐私流失已成为一个巨大的问题，对个人自由和民主构成紧急威胁。但是，我们是否准备好将个人数据作为稀缺资源来处理，并在“尽可能少，尽可能必要”的原则下共享数据？我们假设，如果由个体组成的群体——数据集体——协调共享最少的数据以维持在线服务所需的运行质量，则可以实现显著的隐私恢复。在此，我们展示了如何使用去中心化人工智能来自动化和扩展用于隐私恢复的复杂集体安排。为此，我们在一项涉及超过27,000次真实数据披露的高逼真度严谨生活实验室实验中，首次对态度型、内在型、奖励型和协调型数据共享进行了比较。使用因果推断和聚类分析，我们区分了预测隐私的准则和五种关键的数据共享行为。引人注目的是，数据共享协调被证明对所有人都是双赢的：为人们带来显著的隐私恢复，同时为服务提供商带来明显的成本降低。