[논문 리뷰] A Game-Theoretic Study on Non-Monetary Incentives in Data Analytics Projects with Privacy Implications

Michela Chessa, Jens Großklags외 1명|arXiv (Cornell University)|2015. 05. 10.

Privacy-Preserving Technologies in Data참고 문헌 43인용 수 4

한 줄 요약

이 논문은 개인이 자발적으로 데이터를 기여하고 자신이 선택한 정밀도 수준에서 기여하는 게임 이론적 모델을 제안한다. 이때 결과로 도출된 인구 평균 추정치는 공공재로 간주된다. 분석자가 최소 정밀도 기준을 도입함으로써, 금전적 인센티브 없이도 추정 정확도를 크게 향상시킬 수 있으며, 이는 비용이 들지 않는 공공재의 품질을 높이기 위해 사용자 선택의 전략적 제한을 통해 달성된다. 이는 사생활 선호도가 다양한 이질적 인구 집단에서도 성립한다.

ABSTRACT

The amount of personal information contributed by individuals to digital repositories such as social network sites has grown substantially. The existence of this data offers unprecedented opportunities for data analytics research in various domains of societal importance including medicine and public policy. The results of these analyses can be considered a public good which benefits data contributors as well as individuals who are not making their data available. At the same time, the release of personal information carries perceived and actual privacy risks to the contributors. Our research addresses this problem area. In our work, we study a game-theoretic model in which individuals take control over participation in data analytics projects in two ways: 1) individuals can contribute data at a self-chosen level of precision, and 2) individuals can decide whether they want to contribute at all (or not). From the analyst's perspective, we investigate to which degree the research analyst has flexibility to set requirements for data precision, so that individuals are still willing to contribute to the project, and the quality of the estimation improves. We study this tradeoff scenario for populations of homogeneous and heterogeneous individuals, and determine Nash equilibria that reflect the optimal level of participation and precision of contributions. We further prove that the analyst can substantially increase the accuracy of the analysis by imposing a lower bound on the precision of the data that users can reveal.

연구 동기 및 목표

• 참여자들이 사생활 비용과 공공재 결과의 이익 사이의 트레이드오프를 겪는 데이터 분석 프로젝트에서 개인의 인센티브를 모델링하는 것.
• 분석자가 기여 데이터의 최소 정밀도 기준을 설정하여 추정 정확도를 향상시킬 수 있는 방법을 분석하는 것.
• 사람들 간의 사생활 선호도 이질성의 영향을 참가 및 데이터 품질에 대해 이해하는 것.
• 사용자 선택에 대한 전략적 제약이 비금전적 인센티브 환경에서 공공재 제공을 향상시킬 수 있는지 조사하는 것.
• 비용이 수반되는 데이터 확보 및 다차원 추정 시나리오로 모델을 확장하는 것.

제안 방법

• 개인들이 기여 여부와 정밀도 수준을 동시에 선택하는 비협력 게임을 수립한다.
• 분석자의 목표를 n명의 개인으로부터의 기여를 이용해 스칼라 양의 인구 평균을 추정하는 것으로 모델링한다.
• 전략 공간을 제한하고 추정 품질을 향상시키기 위해 최소 정밀도 제약을 도입한다.
• 동질적 및 이질적 에이전트 가정 하에서 나시 균형을 분석하고, 균형 전략의 유일성을 증명한다.
• 기여 수준을 선택하기 전에 정밀도를 선택하는 이단계 결정 구조를 고려하고, 정보의 영향을 정확도에 대해 평가한다.
• 비중요한 데이터 수집 비용이 수반되는 경우로 모델을 확장하여 동질적 및 이질적 인구 집단에 대한 최적의 표본 추출 전략을 유도한다.

실험 결과

연구 질문

• RQ1 분석자가 기여자들에게 최소 정밀도 기준을 도입함으로써 추정 정확도를 어느 정도 향상시킬 수 있는가?
• RQ2 이질적인 사생활 선호도가 비금전적 데이터 분석 프로젝트에서 개인의 참가 및 데이터 정밀도에 어떤 영향을 미치는가?
• RQ3 이전 기여자의 선택에 대한 정보를 제공하면 이러한 게임에서 인구 추정의 정확도가 향상되는가?
• RQ4 데이터 수집 비용이 발생할 경우 최적의 사용자 수는 얼마이며, 이는 사생활 비용 함수에 따라 어떻게 달라지는가?
• RQ5 제안된 메커니즘은 다차원 또는 모델 기반 추정 작업으로 일반화될 수 있는가?

주요 결과

• 최소 정밀도 수준을 기여 데이터에 도입함으로써, 금전적 인센티브 없이도 인구 추정의 정확도를 크게 향상시킬 수 있다.
• 모든 고려된 경우, 유일한 나시 균형이 존재하며, 이는 전략적 예측 가능성을 보장한다.
• 이전 기여자의 선택에 대한 정보를 제공하는 것은 정확도 향상에 기여하지 않으며, 직관적 기대와는 반대로 행동한다.
• 비용이 수반되는 데이터 수집 상황에서 분석자의 최적 전략은 개인의 사생활 비용 함수에 따라 사용자 집합을 선별하는 것으로, 정리 4에서 유도된 명확한 순서가 존재한다.
• 모든 사생활 비용 함수 및 추정 비용 함수에 대해 강건하게 유지되며, 오직 약한 가정만 요구하므로 일반화 가능성은 매우 높다.
• 이 방법은 데이터 분석에서 공공재 제공을 향상시키기 위한 보상의 비금전적 대안을 제공한다.