为隐私敏感用户设计激励方案
计算机科学与博弈论
2015-09-24 v2 密码学与安全
摘要
商家（零售商）通常希望向个人（消费者）提供个性化广告（优惠券），但面临消费者的强烈反应风险，这些消费者想要定制化的购物体验，却感到自己的隐私受到了侵犯。现有的隐私模型，如差分隐私或信息论，试图量化隐私风险，但未能捕捉到隐私敏感性的主观体验和异质表达。我们提出一个马尔可夫决策过程（MDP）模型，以刻画：(i) 通过时变状态体现的不同消费者隐私敏感性；(ii) 零售商的不同优惠券类型（动作集）；以及 (iii) 依赖于动作和状态的感知隐私侵犯成本。针对具有两种状态（“正常”和“警觉”）、两种优惠券（定向和非定向）的简单模型，以及零售商已知的消费者行为统计，我们证明，对于希望最小化其期望折现成本的零售商，基于静态阈值的策略是最优的优惠券提供策略。该阈值是所有模型参数的函数；当零售商认为消费者处于“警觉”状态的信念低于该阈值时，便提供定向优惠券。我们将此两状态模型扩展到具有多种隐私敏感性状态以及依赖于优惠券的状态转移概率的消费者。此外，我们研究了来自消费者的不完美（含噪）成本反馈以及不确定初始信念状态的情形。
引用
@article{arxiv.1508.01818,
title = {Designing Incentive Schemes For Privacy-Sensitive Users},
author = {Chong Huang and Lalitha Sankar and Anand D. Sarwate},
journal= {arXiv preprint arXiv:1508.01818},
year = {2015}
}
备注
25 pages, 10 figures, submitted to journal of privacy and confidentiality