Ricerca
Quando la privacy sposta sui dispositivi le decisioni mediate dall’apprendimento automatico: disallineamento informativo e degli incentivi nelle aste
Spostare sui dispositivi degli utenti le decisioni mediate dall’apprendimento automatico per tutelare la privacy decentralizza la decisione economica insieme all’inferenza. I vincoli di budget condivi

- arXiv
- 2609.33312
- Pubblicato
- 2026-09-27
- Autori
- Dipankar Sarkar
Abstract degli autori
Spostare sui dispositivi degli utenti le decisioni mediate dall’apprendimento automatico per tutelare la privacy decentralizza la decisione economica insieme all’inferenza. I vincoli di budget condivisi dipendono allora da informazioni che non possono essere aggiornate ovunque in tempo reale: un problema di struttura dell’informazione che il pacing convenzionale non è progettato per risolvere. Studiamo questo disallineamento informativo con una simulazione sui dispositivi fedele alla logica delle aste, che comprende 36 campagne e 50 dispositivi. La contabilità usa unità di punteggio intere e adimensionali, senza attribuire loro un significato monetario. Su 30 traiettorie di domanda appaiate, il pacing proporzionale Even supera il budget del 17,77% con un ritardo di un tick e del 1.669,31% con un ritardo di 50 tick, sotto la pressione sul budget originaria, pari a 20 volte. L’effetto non richiede una pressione sul budget così elevata: con una pressione pari a due volte, lo sforamento a 50 tick resta del 106,95%. Una salvaguardia che impedisce la vendita in base al budget visibile garantisce il rispetto esatto del budget in assenza di ritardo, alla granularità di queste unità di punteggio, ma lascia uno sforamento dell’11,88% con un ritardo di un tick, perché gli addebiti degli altri dispositivi restano invisibili. Un’analisi dichiarata che varia la domanda a raffiche e l’eterogeneità dei dispositivi mantiene una curva media strettamente crescente al crescere del ritardo. Deriviamo un limite superiore per l’eccesso atteso degli addebiti su una finestra finita, assumendo limiti condizionali agli addebiti, e riscontriamo un margine positivo nelle coppie in ogni cella con valori limitati. Un secondo disallineamento, questa volta degli incentivi, emerge quando la trasformazione dei punteggi operata dall’apprendimento automatico e dal pacing può modificare le unità di pagamento: il 98,23% delle aste con concorrenti, con un ritardo di un tick, ammette una deviazione redditizia. Un controesempio eseguibile a livello di implementazione isola il ruolo del moltiplicatore del secondo classificato nel prezzo pagato dal vincitore. Il pagamento basato sull’offerta di base critica è DSIC per ciascuna asta, dati i moltiplicatori correnti, ma non dimostra la veridicità delle offerte nel tempo né risolve la discordanza nell’ordinamento dei valori di base.
Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.
Leggi il paper originale su arXiv