论文记录-Privacy Policy in Online Social Network with Targeted Advertising Business

在线社交网络隐私政策与定向广告业务

Abstract

1. 社交网络提供商SNP利用用户信息实现定向投放广告，广告商付费
2. 隐私政策：SNP应该利用的用户信息比例
3. 用户、广告商、SNP——>三阶段stackelberg博弈
4. 更高的信息利用将阻碍用户展示信息，降低被利用信息的总量，并损害广告收入，基于用户信息等级与隐私策略之间的关联，进一步刻画出最优隐私策略。

Introduction

1. 广告商决定支付的广告费（更多数据意味着更精准投放——>更高的广告费）：广告商如何在用户信息利用所限制的投放精准度的基础上进行广告投放，以实现预期收益的最大化?
2. 用户决定在社交平台的活跃度（更好的隐私保护——>更活跃）：在隐私受到侵犯的情况下，用户在社交活动中暴露自己的程度如何?
3. SNP决定隐私政策（广告费和用户活跃度的权衡）：SNP如何采取适当的隐私政策来最大化他的效用，包括社会网络效益和目标广告收入?

System Model

1. 用户，决定活跃度（在社交平台上发布的信息等级），收益三部分相加组成：
   1. 网络收益：用户在社交平台上进行社交互动所得到的的收益，由用户自己的隐私等级和其他用户的隐私等级共同决定，这部分是一个对数函数（根据梅特卡夫定律决定函数形式）
   2. 隐私损失：由【用户提供信息的程度和SNP的隐私等级】对应的函数共同决定（相乘），是一个增函数
   3. 补贴：SNP鼓励用户在社交平台积极活跃，会提供固定的补贴，用户有一定概率拿到，拿到的概率由【用户提供信息的程度和SNP的隐私等级】对应的函数共同决定（相乘）
2. 广告商，决定广告费，收益两部分相乘组成：
   1. 一个用户买该产品的净收益（考虑核算收入和生产成本）
   2. 目标用户看了广告以后买产品的概率，两部分相加组成：
      1. 由【用户提供信息的程度和SNP的隐私等级】对应的概率
      2. 投放不精准的情况下（不能依靠SNP时）的先验概率（就是广告给不感兴趣的人放了之后这个人来买的概率）
   3. 上述两部分相乘是一个用户带来的收益，广告商总收益是把所有目标用户的加起来，再减去支付给SNP的广告费
3. SNP，决定隐私政策和目标广告费，收益三部分相加（减）组成：
   1. 社交网络价值：用户活跃带来的收益，要去掉对用户活跃度的补贴
   2. 目标广告收益：单个用户的广告费*目标用户
   3. 隐私问题：出现隐私问题时所面临的金钱、名誉损失，有概率，泄露越多损失越大
4. stackelberg博弈：
   1. 第一阶段SNP考虑用户和广告商的决策来决定隐私等级和广告费
   2. 第二阶段用户根据隐私政策决定活跃度
   3. 第三阶段广告商根据用户信息和广告费决定是否投放广告

Advertiser’s Decision

1. 简单的让收益大于广告费，然后显然隐私政策越大（SNP泄露用户信息越多或用户自己暴露越多），广告商越容易挣钱

Users’ Behavior

1. 多个用户之间的交互——>多用户信息展示博弈——>纳什均衡：所有用户都收益最大化
2. 信息展示博弈具有超模性：博弈方行为是紧集，收益函数是连续函数且二阶导大于0——>当其他玩家选择更高决策时，该玩家选择更高决策的效用增加得更多——>一个玩家的最佳反应是其他玩家决策的一个非递减函数
3. 所有用户活跃度从0开始，逐个根据其他用户的活跃度调整自己的来最大化收益，直到收敛——>最小纳什均衡
4. 均衡属性分析：
   1. 假设用户效用总的来说是一个凸函数（活跃度越高，活跃度的提高所带来的收益越小，和超模性不冲突）
   2. 隐私损失函数是凹函数：越活跃，隐私损失越多
   3. 补贴函数是凸函数：越活跃，补贴增长越少
   4. 补贴要能弥补隐私损失函数和补贴函数的冲突比例，避免出现大家都是0的场面（从而都是0的场面不是纳什均衡）
   5. 处于NE时，隐私政策越高，用户收益越低，存在一个隐私政策阈值，小于这个值（只用很少一部分隐私），用户会选择完全暴露信息（活跃度=1），大于该值，活跃度<1
   6. 当隐私政策小于阈值时，【用户提供信息的程度和SNP的隐私等级相乘】随隐私政策增加而增加；大于阈值时，【】随…增加而减小；直接来说就是，用户愿意完全暴露信息时，提取更多信息能更好地服务用户（或者说补贴等等综合下来最好），反之，则隐私提取越少越好了
   7. 如果两个用户对社交网络价值的判断相等，那么他们均衡解对应的活跃度也相等；如果不相等，价值判断高的，均衡解时的活跃度也更高；直接说就是，更看重社交价值的会更倾向于高活跃度

SNP’s Decision

1. 均衡解没有具体形式——>用户均衡解和隐私政策之间的关系来说明SNP效用函数的单调性
2. 广告商收入中的用户数量是离散的，且取决于隐私政策和广告费
3. 将SNP效用函数拆开：
   1. 广告费收益：单个用户广告费*用户个数（由用户活跃度均衡解、隐私政策和单用户广告费共同决定），通过对广告商效用函数的分析，找到固定隐私政策时最优的单用户广告费
   2. 社交网络收益—隐私问题：最优广告费作为隐私政策的函数代入，得到最优隐私政策
4. 最优广告费定价问题：
   1. 把用户个数问题转化成了概率问题：广告商有多大概率向某用户投放广告
   2. 社交参数简化为两个值：一高一低
5. 隐私问题：
   1. 社交参数依旧只有两个值，对应的均衡解的隐私政策阈值也是两个值
   2. 可以推导出效用函数的单调性
   3. 假设隐私问题函数是凹函数，广告商效用函数是凸函数，也就是隐私问题越严重，损失增长得会越多，广告商从中得到的收益增长越少——>求导分析找最优隐私政策的特点

Numerical Result

1. 这部分很少，没说数值实验具体是怎么做的