数据相似性的半私有计算及其在数据估值与定价中的应用

考虑两个数据提供方希望为某学习模型贡献数据。近期工作表明，其中一个提供方的数据价值依赖于与另一提供方所拥有数据的相似性。因此，若两提供方能在保持实际数据私密的同时计算其数据相似性，将大有裨益。本工作中，我们设计了多方计算协议，基于相关性计算两个数据集的相似性，同时提供可控的隐私保证。我们考虑一个含两个参与提供方的简单模型，并分别开发了在受控信息泄露下计算精确与近似相关性的方法。两种协议的计算与通信复杂度均关于数据样本数量线性。我们还给出了近似情形下最大误差的一般界，并分析了实际参数选择所导致的误差。