考虑在个人具有隐私意识的前提下进行全民调查,在引入随机化方式和特殊的代价计算方式的基础上成功构建了一种非直接回答机制,实现了针对人口统计的可行性研究。
Feb, 2012
该研究讨论了如何在具有隐私敏感性的人群中设计调查,提出了一种不同 ially private peer-prediction 机制来支持 Bayes-Nash 均衡下每个个体的隐私,实现了对人口统计数据的精确估算。
Apr, 2014
本论文考虑如何设计一种激励机制,以在固有的逆向选择环境下,利用纯粹的协作或对抗以及报告代价获得真实从众意见汇报。
Jan, 2014
研究了如何在保护隐私的前提下,通过采用不同隐私保护机制和支付方案,解决线性模型和差分隐私计算会带来估计偏差的问题。
Jun, 2015
提出一种最优机制,为统计估算器的数据源提供货币激励,以低成本提供高质量的数据,使支付总额和估算误差最小,广泛应用于线性回归和多项式回归,核回归和岭回归等估算器,并应用于各种目标,包括在预算限制下减少估算误差。
Aug, 2014
针对现代市场营销中的一个实际问题,我们提出了一种新的方法来解决策略优化问题,并构建了一种带约束的反事实策略优化模型。我们将奖励估计问题作为带有附加结构的域适应问题,并使用估计器进行带约束优化策略。我们证明了我们的估计程序具有理论误差界,并且我们在合成和真实数据集上证明了该方法明显改善。
Feb, 2019
本篇论文提出了一种新的建模隐私保护的方式,通过在玩家的效用函数中引入隐私代价,基于此提出了三种保证机制使得机制既能保证差分隐私,又能保证数据的真实性,实验表明该方法在玩家数量增加时能逐步优化社会效益。
Nov, 2011
提出了一种经济解决方案,通过运用计算机科学中的生产模型来降低公布数据的隐私成本,达到精确统计和保护隐私的双重目标。在美国统计项目中应用了这一框架,但更好的理解隐私和统计准确性的购买意愿,对此提出了一个需要进一步探讨的方向。
Aug, 2018
本文研究预算机制,解决实验设计问题中的信息增益最大化问题,同时考虑受试者的成本和潜在威胁,并通过多项式时间的机制设计方案实现良好的近似效果。
Feb, 2013
通过提出名为 Truth-FedBan 的激励兼容(即真实性)通信协议,本文首次展示了在联邦赌博学习中同时实现激励兼容性和近乎最优的遗憾的可能性。大量的数值研究进一步验证了我们提出的解决方案的有效性。
Feb, 2024