无知之价：面向数据保留的无信息引述机制

当用户依据《通用数据保护条例》 (GDPR) 等法规行使数据删除权时，移动网络运营商面临权衡：过度的机器删除会降低模型准确性并造成 retraining 成本，而现有的定价机制需要服务器了解每位用户的私人隐私和准确性偏好，这在激励删除的法规本身不允许的情况下几乎不可能。我们提出：在缺乏此类私人信息时，运营的福利代价是多少？我们设计了一种信息-free 的升域引述机制，服务器广播逐步提高的价格，用户自行选择其数据供应，无需了解用户参数。在完全信息下，该协议唯一的子博弈完美纳什均衡特征为单期出售。我们形式化地定义“无知之价”——即最优个性化定价（完全了解）与我们信息-free 引述（完全不了解）之间的福利差距——并证明了三段效率排序。数值实验在七种机制和 5000 次蒙特卡洛模拟中显示，该价格接近于零：信息-free 机制实现了 >=99% 的福利，同时提供了噪声鲁棒性保证和可比的公平性。