[论文解读] Cost Sharing Security Information with Minimal Release Delay

Mingyu Guo, Yong Yang+1 more|arXiv (Cornell University)|Jun 25, 2020

Auction Theory and Applications参考文献 10被引用 4

一句话总结

本文提出了一种成本分摊机制，用于以最小释放延迟分发安全漏洞信息，其中付费参与者可提前获取信息，而搭便车者则需等待。在无先验设置下，该机制在最大延迟方面相对于非占优基准实现了4-竞争力比，且在各种估值分布下的期望延迟方面优于现有机制。

ABSTRACT

We study a cost sharing problem derived from bug bounty programs, where agents gain utility by the amount of time they get to enjoy the cost shared information. Once the information is provided to an agent, it cannot be retracted. The goal, instead of maximizing revenue, is to pick a time as early as possible, so that enough agents are willing to cost share the information and enjoy it for a premium time period, while other agents wait and enjoy the information for free after a certain amount of release delay. We design a series of mechanisms with the goal of minimizing the maximum delay and the total delay. Under prior-free settings, our final mechanism achieves a competitive ratio of $4$ in terms of maximum delay, against an undominated mechanism. Finally, we assume some distributions of the agents' valuations, and investigate our mechanism's performance in terms of expected delays.

研究动机与目标

• 设计一种非营利性的成本分摊机制，用于漏洞披露，以最小化所有参与者的延迟。
• 通过提供早期访问激励参与者支付足够金额，同时确保预算平衡且信息不可撤回。
• 最小化所有参与者的最大延迟和总延迟，从而提升漏洞赏金式系统中的社会福利。
• 在无先验设置及概率估值分布下评估性能，建立竞争力比和下界。

提出的方法

• 该机制采用基于阈值的分配方式，即支付金额高于某一估值阈值的参与者可获得早期访问。
• 采用竞争力比分析方法，评估其在最坏情况下的性能，相对于非占优基准（CSOD）。
• 在期望延迟分析中，该机制使用基于区间的概率分布对参与者估值进行建模，并计算最大延迟和总延迟的下界。
• 通过条件期望和概率，如 $ C(i) \times P^B(i) $，推导出下界，以估计最小期望延迟。
• 在均匀分布和正态分布的估值下，将该机制与已知基准GCSOD（贪婪成本分摊最优延迟）进行比较。
• 假设无参与者对信息的估值超过总成本，并在基准中包含搭便车者，以避免竞争力比未定义。

实验结果

研究问题

• RQ1 在非支付者延迟释放的成本分摊机制中，最小化最大延迟的最佳可能竞争力比是多少？
• RQ2 在不同参与者估值分布下，该机制在期望延迟方面的表现如何？
• RQ3 无先验机制能否在不假设估值分布知识的情况下实现强性能保证？
• RQ4 在不同参与者数量和分布下，该机制与GCSOD在最大延迟和总延迟方面的表现如何比较？
• RQ5 为确保机制在现实部署中的竞争力和可行性，需要哪些假设？

主要发现

• 所提出的机制在无先验设置下，相对于非占优CSOD基准，实现了4-竞争力比的最大延迟。
• 在期望延迟方面，该机制显著优于GCSOD，尤其在正态分布和均匀分布估值下，且随着参与者数量增加表现更优。
• 当 $ n = 10 $ 时，在 $ N(0.5,0.2) $ 分布下，该机制将期望最大延迟从GCSOD的0.65降低至0.65，总延迟从1.13降低至0.17，显示出显著的效率提升。
• 通过估值区间上的条件期望和概率质量函数，推导出期望最大延迟和总延迟的下界。
• 在许多情况下，该机制接近理论下界，表明在现实假设下具有近似最优性。
• 随着参与者数量增加，该机制与GCSOD之间的性能差距扩大，尤其在总延迟方面，该机制实现了高达80%的期望延迟减少。