面向数据市场的私有、增强鲁棒与任务无关的数据定价方法
机器学习
2024-11-04 v1 分布式、并行与集群计算
摘要
在数据市场中，对数据集进行评估（以便买家购买有价值的数据）是关键挑战。本文引入一种创新的任务无关数据定价方法，称为 PriArTa，通过计算买家现有数据集与卖家数据集分布之间的距离，使买家能够确定新数据对自身数据集的增益效应。PriArTa 具备通信效率，买家无需获取每个卖家的完整数据集即可进行评估。具体做法是让卖家对其数据执行特定预处理，并返回结果。基于这些信息及评分指标，买家即可进行数据集评估。该预处理设计旨在允许买家计算得分，同时保留每个卖家数据的隐私，减轻信息泄露风险。PriArTa 的关键特性是其对常见数据变换具有鲁棒性，确保评估结果一致，降低购买冗余数据的风险。在真实图像数据集上进行的实验表明，PriArTa 能够在数据市场中实现隐私保护、抗增强扰动的数据定价能力。
引用
@article{arxiv.2411.00745,
title = {Private, Augmentation-Robust and Task-Agnostic Data Valuation Approach for Data Marketplace},
author = {Tayyebeh Jahani-Nezhad and Parsa Moradi and Mohammad Ali Maddah-Ali and Giuseppe Caire},
journal= {arXiv preprint arXiv:2411.00745},
year = {2024}
}