接受或拒绝：当隐私带来成本时的调查运行

在本文中，我们考虑估计人群中潜在敏感（具有个人污名化性质）统计量的问题。在我们的模型中，个体关注其隐私，并因隐私泄露而承受某种作为隐私损失函数的成本。尽管如此，如果获得对其隐私成本的补偿，他们愿意参与调查。然而，这些成本函数并非公开已知，我们也不对其形式或分布做出贝叶斯假设。个体是理性的，如果虚报其隐私成本符合其最大利益，他们便会如此行事。Ghosh 和 Roth 最近表明，在此设定下，当隐私损失成本可能与私人类型相关且个体重视差分隐私时，没有任何个体理性的直接显示机制能够计算出任何非平凡的人群统计量估计。在本文中，我们通过提出一种关于个体如何因隐私损失而经历成本的修正概念，并给出一种不通过直接显示运作的机制，从而规避了这一不可能性结果。相反，我们的机制能够随机接触人群中的个体并向其提供“接受或拒绝”的要约。这旨在模拟站在街角接触路人的调查员的能力。