隐私保护任务推送算法

流行度未知仍精准

该算法在任务流行度与工人偏好均需保护的前提下，仍能在线学习与决策，实现高效任务推送。

Xu, Yin · 肖明军 · Wu, Jie · He, Sun

IEEE Transactions on Parallel and Distributed Systems 2024

技术优势

流行度未知也能学

基于组合多臂老虎机模型，PPAB 能够在线学习任务流行度并做出推送决策。

激励真实且高效

拍卖式激励机制保证了真实性、个体理性和计算效率。

应用场景

• 空间众包：在不泄露敏感信息的前提下，平台可在线学习任务流行度并智能推送任务。
• 隐私计算：对任务流行度和工人偏好进行差分隐私与加密保护，防止敏感信息泄露。
• 激励机制：采用拍卖式激励机制为每个选中任务确定报酬，确保真实性和个体理性。