具有隐私意识主体的最优数据获取
计算机科学与博弈论
2022-09-15 v1 计算机与社会
摘要
我们研究一个数据分析师或平台所面临的问题，该平台希望从具有隐私意识的主体处收集私有数据。为激励参与，作为对这些数据的交换，平台以使用所有主体提交的数据计算出的统计量的形式向主体提供服务。主体通过考量加入的隐私成本与获得统计量所带来的收益，决定是否加入平台（并如实披露其数据）或不参与。平台必须确保该统计量以差分隐私方式计算，并选择添加到计算中的中心化噪声水平，但也可以通过根据主体异质的隐私偏好（平台已知）在计算中给予不同主体不同权重来诱导个性化隐私水平（或成本）。我们假设平台旨在优化统计量的准确性，并且必须为每个主体选择隐私水平，以在 i) 激励更多参与与 ii) 向估计中添加更少噪声之间进行权衡。我们在模型的两种变体中给出了平台主体权重最优选择的半闭式刻画。在这两种模型中，我们识别出平台最优解中一个共同的非平凡结构：具有最宽松隐私要求的特定实例数量的主体被集中在一起并赋予相同权重，而其余主体的权重随其隐私要求强度增加而递减。我们还提供了关于如何找到平台所用噪声参数及赋予主体权重的最优值的算法结果。
引用
@article{arxiv.2209.06340,
title = {Optimal Data Acquisition with Privacy-Aware Agents},
author = {Rachel Cummings and Hadi Elzayn and Vasilis Gkatzelis and Emmanouil Pountourakis and Juba Ziani},
journal= {arXiv preprint arXiv:2209.06340},
year = {2022}
}