Wasserstein Markets for Differentially-Private Data

要約

データは、産業界全体の意思決定プロセスにおいてますます重要な要素となっている。しかし、データへのアクセスはプライバシーの問題を引き起こし、差分プライバシーのようなプライバシー保護技術の必要性を動機づける。データ市場は、より広範なアクセスを可能にすると同時に、適切なプライバシーとユーティリティのトレードオフを決定する手段を提供する。既存のデータマーケットフレームワークは、信頼できるサードパーティが計算コストの高い評価を実行する必要があるか、データ価値の組み合わせの性質を捉えることができず、差分プライバシーの効果を内生的にモデル化していない。本論文では、ワッサーシュタイン距離に基づく差異的プライバシーデータの評価メカニズムと、インセンティブメカニズム設計理論を活用した、タスクに依存しないデータ調達とタスクに特化した調達協調最適化のための対応する調達メカニズムを提案することで、これらの欠点に対処する。これらのメカニズムは、扱いやすい混合整数2次錐プログラムに定式化され、数値計算により検証される。

要約(オリジナル)

Data is an increasingly vital component of decision making processes across industries. However, data access raises privacy concerns motivating the need for privacy-preserving techniques such as differential privacy. Data markets provide a means to enable wider access as well as determine the appropriate privacy-utility trade-off. Existing data market frameworks either require a trusted third party to perform computationally expensive valuations or are unable to capture the combinatorial nature of data value and do not endogenously model the effect of differential privacy. This paper addresses these shortcomings by proposing a valuation mechanism based on the Wasserstein distance for differentially-private data, and corresponding procurement mechanisms by leveraging incentive mechanism design theory, for task-agnostic data procurement, and task-specific procurement co-optimisation. The mechanisms are reformulated into tractable mixed-integer second-order cone programs, which are validated with numerical studies.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL