当隐私将机器学习决策转移到设备端：拍卖中的信息与激励错配
该研究分析了将机器学习决策转移到隐私保护设备后，对拍卖预算控制造成的影响。由于设备之间的支出信息存在延迟或不可见，传统 pacing 机制可能导致严重超支。在包含 36 个活动和 50 台设备的模拟中，高预算压力下延迟 50 个 tick 时，超支达到 1,669.31%；即使降低预算压力，超支仍为 106.95%。基于可见预算的防护机制在零延迟时能够实现精确合规，但延迟一个 tick 后仍出现 11.88% 的超支，因为其他设备的扣款尚不可见。研究还发现，将机器学习分数转换为支付单位会造成激励错配：延迟一个 tick 时，98.23% 的竞争拍卖存在有利可图的偏离行为。研究结果表明，分布式隐私保护拍卖和 pacing 系统存在明显的技术限制。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。