[논문 리뷰] Bounded-Loss Private Prediction Markets

Rafael Frongillo, Bo Waggoner|arXiv (Cornell University)|2017. 02. 09.

Sports Analytics and Performance인용 수 4

한 줄 요약

이 논문은 유한한 재정적 손실을 보장하는 최초의 사생활 보장 예측 시장 기법을 제안하며, 차별적 비밀유지, 인센티브 호환성, 그리고 예측에 대한 노이즈 영향 최소화를 달성한다. 이는 암호화된 노이즈로 인한 무역 이득을 제거하기 위해 거래 수수료를 도입하고, 참여자 수가 증가함에 따라도 일정한 예산을 유지하기 위해 적응적으로 확장되는 마켓 구조를 사용함으로써 이전의 사생활 보장 마켓 메커니즘의 핵심 한계를 해결한다.

ABSTRACT

Prior work has investigated variations of prediction markets that preserve participants' (differential) privacy, which formed the basis of useful mechanisms for purchasing data for machine learning objectives. Such markets required potentially unlimited financial subsidy, however, making them impractical. In this work, we design an adaptively-growing prediction market with a bounded financial subsidy, while achieving privacy, incentives to produce accurate predictions, and precision in the sense that market prices are not heavily impacted by the added privacy-preserving noise. We briefly discuss how our mechanism can extend to the data-purchasing setting, and its relationship to traditional learning algorithms.

연구 동기 및 목표

• 차별적 비밀유지 예측 시장에서 발생하는 무한한 재정적 책임 문제를 해결함으로써 실용적 적용을 제한하는 요인을 제거한다.
• 참가자가 정확한 예측을 보고할 동기를 갖도록 하면서도 차별적 비밀유지를 유지한다.
• 차별적 비밀유지를 위한 노이즈가 마켓 가격에 미치는 영향을 최소화하여 예측 정밀도를 유지한다.
• 참가자 수가 증가함에 따라 최악의 경우 예산이 유한하게 유지되는 메커니즘을 설계한다.
• 기계학습에서의 실용적인 데이터 구매 환경에 적합한 사생활 보장 마켓 메커니즘을 강력한 이론적 보장과 함께 확장한다.

제안 방법

• Waggoner 등 [15]의 메커니즘에 소규모이면서 정밀하게 校정된 거래 수수료를 도입하여, 비밀유지 노이즈로 인한 기대 무역 이득을 상쇄한다.
• 거래 수수료가 참가자 수 T에 대해 O((log T)²) 비율로 증가하는 최악의 경우 손실을 보장함을 증명한다.
• 각 단계에서 새로운 마켓 인스턴스를 사용하고 이전 단계의 잉여 자금으로 후속 단계를 지원하는 방식의 '배수 기법'(doubling trick)-스타일 적응적 마켓 확장 기법을 적용한다.
• 비모수적이고 민감한 표현 방식을 갖춘 예측 시장 모델링을 위해 커널 기반 비용 함수와 재생 핵 힐버트 공간(RKHS) 방법을 활용한다.
• 볼록 분석과 Bregman 발산을 사용하여 마켓 업데이트를 수식화하고, Follow-the-Regularized-Leader(FTRL)과 같은 온라인 학습 알고리즘과 연결한다.
• 노이즈 트레이더 손실을 가우시안 프로세스 경계를 통해 분석하여, 출력 공간 Y가 유한하므로 기대 최대 노이즈 영향이 유한함을 보여준다.

실험 결과

연구 질문

• RQ1 사생활 보장 예측 시장이 차별적 비밀유지와 함께 최악의 경우 재정적 손실이 유한한지를 확인할 수 있는가?
• RQ2 거래 수수료가 비밀유지 노이즈로 인한 무역 기회를 제거하면서도 인센티브를 약화시키지 않는가?
• RQ3 적응적으로 확장되는 마켓을 설계하여 참가자 수가 임의로 증가하더라도 예산이 유한하게 유지되는가?
• RQ4 비사생활 보장 마켓과 비교해 볼 때, 비밀유지 노이즈가 마켓 가격에 미치는 영향은 정밀도 측면에서 어떻게 다를까?
• RQ5 이 마켓 메커니즘은 선형 회귀나 비모수적 커널 모델과 같은 매개변수 설정된 설정으로 확장 가능한가?

주요 결과

• 제안된 메커니즘은 거래 수수료를 통해 O((log T)²) 수준의 최악의 경우 재정적 손실을 보장함으로써 비밀유지 노이즈로 인한 무역 리스크를 제거한다.
• 적응적으로 확장되는 마켓 구조는 참가자 수 T가 증가함에 따라도 이전 단계의 잉여 자금을 재사용함으로써 총 예산이 일정하게 유지됨을 보장한다.
• 메커니즘은 차별적 비밀유지, 인센티브 호환성, 그리고 예측에 대한 낮은 노이즈 영향을 유지하며, 기대 최대 노이즈 영향이 가우시안 프로세스 분석을 통해 유한함을 입증한다.
• 마켓 가격 업데이트는 커널 가중 FTRL 알고리즘을 따르며, 마켓 역학을 표준 온라인 학습 방법과 연결한다.
• 이 프레임워크는 선형 회귀와 같은 매개변수 설정 모델로 확장 가능하여 기계학습에서의 데이터 확보에 더 넓은 적용 가능성을 시사한다.
• 이론적 분석을 통해 노이즈 트레이더 손실이 유한하게 유지되며, 기대 최대 편차가 T에 대해 로그 비율로 증가함을 확인한다.