文件名称：隐私保护的个性化收入管理-研究论文
文件大小：759KB
文件格式：PDF
更新时间：2024-06-29 14:22:41
privacy data-driven decision
本文探讨了如何在保护消费者隐私的同时做出数据驱动的个性化决策。 我们的设置是公司根据每个新客户的个人特征向量选择个性化价格； 公司不知道真实的个人需求产生参数集，因此必须根据历史数据进行估计。 我们通过要求公司的定价政策保护消费者隐私，或（正式）它是差异化的隐私——隐私保护的行业标准，来扩展个性化定价的经典框架。 我们开发了保护隐私的个性化定价算法，并表明它们通过推导理论（上限和下限）性能界限实现了接近最佳的收入。 我们的分析进一步表明，如果公司拥有足够数量的历史数据，那么它几乎可以“免费”实现一定程度的差异隐私。 也就是说，隐私保护造成的收入损失比估计造成的收入损失小。 我们在一系列基于综合生成和在线自动贷款 (CPRM-12-001) 数据集的数值实验中证实了我们的理论发现。 最后，我们还研究了隐私保护个性化分类优化问题，并得出与定价设置平行的结果。