Strategic Coalition for Data Pricing in IoT Data Markets

要約

このペーパーでは、機械学習モデルのトレーニングに使用されるモノのインターネット (IoT) データを取引する市場について考察します。
生のデータまたは処理されたデータは、ネットワークを通じて市場プラットフォームに供給され、そのようなデータの価格は、それが機械学習モデルにもたらす価値に基づいて制御されます。
私たちは、ゲーム理論的な設定でデータの相関特性を調査し、最終的にデバイスと市場の相互利益を強調するデータ取引メカニズムの簡素化された分散ソリューションを導き出します。
主要な提案は、IoT ネットワークにおけるデータ交換の信頼性と経済的価値だけでなく、参加における可用性と異質性の課題に共同で対処する、市場向けの効率的なアルゴリズムです。
提案されたアプローチは、情報漏洩を避けるために相関データを持つデバイス間のコラボレーションの機会を強化することにより、データ市場を確立します。
そこでは、同様のデータタイプの IoT デバイス間の連携の社会的価値を最大化するネットワーク全体の最適化問題を開発します。
同時に、ネットワーク外部性によるコスト、つまりデータの相関関係による情報漏洩の影響や機会費用も最小限に抑えます。
最後に、分散連合ゲームとして定式化された問題の構造を明らかにし、簡略化された分割およびマージ アルゴリズムに従ってそれを解決します。
シミュレーション結果は、信頼できる IoT データ市場に対する私たちの提案したメカニズム設計の有効性を示しており、各売り手の平均利益が最大 32.72% 向上します。

要約(オリジナル)

This paper considers a market for trading Internet of Things (IoT) data that is used to train machine learning models. The data, either raw or processed, is supplied to the market platform through a network and the price of such data is controlled based on the value it brings to the machine learning model. We explore the correlation property of data in a game-theoretical setting to eventually derive a simplified distributed solution for a data trading mechanism that emphasizes the mutual benefit of devices and the market. The key proposal is an efficient algorithm for markets that jointly addresses the challenges of availability and heterogeneity in participation, as well as the transfer of trust and the economic value of data exchange in IoT networks. The proposed approach establishes the data market by reinforcing collaboration opportunities between device with correlated data to avoid information leakage. Therein, we develop a network-wide optimization problem that maximizes the social value of coalition among the IoT devices of similar data types; at the same time, it minimizes the cost due to network externalities, i.e., the impact of information leakage due to data correlation, as well as the opportunity costs. Finally, we reveal the structure of the formulated problem as a distributed coalition game and solve it following the simplified split-and-merge algorithm. Simulation results show the efficacy of our proposed mechanism design toward a trusted IoT data market, with up to 32.72% gain in the average payoff for each seller.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google