基于属性隐私的统计查询定价模型
打开文本图片集
摘 要：现有统计查询定价模型没有考虑查询结果揭露数据集敏感属性的问题，难以通过相应地补偿数据提供方激励共享，对此提出一种基于属性隐私的定价模型。首先，基于提出的宽松近似Wasserstein机制（RAWM）计算查询敏感度，直接计算输出分布对距离的宽松上界以提高效率；然后，以约束属性隐私损失为前提，根据查询敏感度、噪声方差、补偿参数对数据提供方进行补偿；最后，在补偿之上运用成本加成法设计了多个无套利定价函数，可以针对单补偿成本和多边际成本等场景定价。（剩余28258字）
