网络收益管理中用于数据隐私的 primal 与 dual 模型掩蔽
最优化与控制
2021-12-30 v3
摘要
我们研究一个协作式收益管理问题，其中多个去中心化方同意共享其部分容量。该协作通过构建一个可供所有方使用的大型数学规划模型来实现。各随后将该模型的解用于自身的容量控制系统。然而在此设定下，各方的主要顾虑在于其输入数据及各自最优解隐私。我们首先重新表述一个可用于广泛网络收益管理问题的一般线性规划模型。随后，我们解决重述模型的数据隐私顾虑，并提出一种基于求解等价数据私有模型的方法，该模型通过随机变换进行输入掩蔽构建。我们的主要结果表明，在求解数据私有模型后，各方仅能安全获取自身的容量控制最优决策。我们还讨论了所考虑多方设定下变换后问题的安全性。我们进行仿真实验以支持结果并评估所提数据私有模型的计算效率。我们的工作为如何在确保数据隐私的同时管理网络问题中的共享资源提供了分析方法与实践洞见。构建并求解协作网络问题需要各方间的信息交换，这在实际中或不可行。在含容量共享的去中心化协作网络收益管理问题中纳入数据隐私，于文献与实践均属新颖。
引用
@article{arxiv.2102.07178,
title = {Masking Primal and Dual Models for Data Privacy in Network Revenue Management},
author = {Utku Karaca and S. Ilker Birbil and Nursen Aydin and Gizem Mullaoglu},
journal= {arXiv preprint arXiv:2102.07178},
year = {2021}
}