数据市场中的私有数据估值与公平支付

数据估值是数据市场中的一项基本任务。其旨在公平补偿数据所有者的贡献。机器学习界日益认识到，Shapley 值——合作博弈论中基础性的利润分享方案——在数据为价值评估方面具有重大潜力，因为它唯一地满足公平信用分配的基本属性，且已被证明能够识别对模型性能有用或有害的数据源。然而，计算 Shapley 值需要访问原始数据源。如何设计一个利用基于 Shapley 值的数据定价、同时保护隐私并允许公平支付的现实数据市场，仍是一个开放问题。在本文中，我们提出了首个以隐私保护方式基于 Shapley 值对数据源估值并同时保证公平支付的数据市场原型。我们的方法得益于算法与系统设计的一系列创新。我们首先提出一种可通过多方计算 (MPC) 电路高效实现的 Shapley 值计算算法。其关键思想是学习一个性能预测器，可直接预测对应于输入数据集的模型性能而无需执行实际训练。我们进一步基于性能预测器的结构优化 MPC 电路设计。我们进一步将公平支付纳入 MPC 电路，以保证买方所支付的数据与已被估值的数据完全一致。我们的实验结果表明，所提出的新数据估值算法与原有的昂贵算法同样有效。此外，定制的 MPC 协议高效且可扩展。