Selling Information while Being an Interested Party
我们研究了信息持有者（卖家）面临的算法问题，该信息持有者（卖家）希望以最佳方式将此类信息出售给预算受限的决策者（买家），而决策者（买家）必须采取一些行动。与前一章不同的是，我们考虑了卖方是利益相关方的情况，因为买方选择的行为不仅影响他们的效用，而且也影响卖方的效用。这种情况发生在许多现实世界中，企业使用获得的信息的方式可能会对卖方产生积极或消极的影响，因为信息市场存在外部性。卖方和买方的效用都取决于自然界的随机状态，卖方知道这种状态，但买方不知道。因此，卖方的目标是（部分地）向买方出售他们关于自然状态的信息，以便同时使收入最大化并诱使买方采取可取的行动。我们研究的设置中，买方的预算和公用事业是由一个随机的买方的类型，是未知的卖方。在这种情况下，卖方的最佳协议必须向买方提出一个信息披露政策菜单供其选择，后者通过支付相应的价格获得其中一个。此外，由于在我们的模型中，卖方是一个利益相关方，一个最佳的协议也必须规定卖方支付买方偶然的行动。首先，我们证明了计算卖方最优协议的问题可以在多项式时间内解决。接下来，我们将注意力转移到卖方协议采用单一信息披露政策的情况，而不是提出一个菜单，得出积极和消极的结果。
2023-01-31 cs.GT
Approximately Optimal Auctions for Selling Privacy when Costs are Correlated with Data
我们考虑一个场景，其中数据库存储用户的敏感数据，分析师希望估计数据的统计信息。当用户的数据被使用时，他们可能会付出代价，在这种情况下，他们应该得到补偿。分析师希望得到一个准确的估计，而用户希望最大化他们的效用。我们希望设计一种机制，可以在不损害用户隐私的情况下准确地估计统计数据。由于用户的成本和敏感数据可能相关，因此保护数据和成本的隐私非常重要。我们通过假设用户的未知敏感数据从一组公开已知的分布中确定分布来建模这种相关性，并且用户的成本从该分布中得出。我们提出了一个更强大的隐私保护机制模型，每当用户向该机制透露有关其数据的信息时，他们都会得到补偿。在这个模型中，我们设计了一个贝叶斯激励兼容和隐私保护机制，保证准确性和保护隐私的成本和数据。
2012-04-18 cs.GT
Optimal Pricing of Information
决策者正在主动行动（例如，购买房屋、投资某些股票）和被动行动。主动行为的收益取决于购买者的私人类型和未知的自然状态。信息出售者可以设计实验，向决策者揭示关于实现状态的信息，并希望通过出售这些信息获得最大利润。我们的特点，在封闭的形式，销售商的收入最优的信息销售机制。在引出买方的类型后，最优机制向买方收取预付款，然后简单地揭示已实现状态是否超过一定的阈值。最优机制具有价格歧视和信息歧视的双重特征。主动行为与被动行为之间先验无差别的特殊买方类型从参与机制中获益最大。
2021-10-27 cs.GT
Selling an Item Among a Strategic Bidder and a Profiled Agent
针对一件物品出售给策略性投标人和画像代理的场景，设计两种机制：第一种在预测正确时获最优收益、错误时（MHR分布）实现常数近似；第二种忽略预测模拟无投标信息时的最优机制，在MHR分布下实现常数收益近似，且MHR假设必要。
2025-08-23 cs.GT
Selling Privacy in Blockchain Transactions
University of Liverpool（利物浦大学）；University Mohammed VI Polytechnic（穆罕默德六世理工大学）
本文研究了增强区块链交易统计隐私的方法，提出了一种密封拍卖机制，并分析了隐私市场中的双面市场机制，以实现隐私保护与经济效率的平衡。
2026-05-16 cs.GT
Robust Revenue Maximization Under Minimal Statistical Information
我们研究的问题时，多维度的收入最大化销售$m$项目的买家，他们有添加剂的估值，从一个（可能相关的）先验分布。与传统的贝叶斯拍卖设计，我们假设卖方有一个非常有限的知识，这之前：他们只知道平均值$μ_j$和上限$σ_j$的标准偏差，每个项目的边际分布。我们的目标是设计机制，实现良好的收入对一个理想的最优拍卖，有充分的知识，提前分布。非正式地说，我们的主要贡献是严格量化的分散性的先验和上述强大的近似比之间的相互作用。此外，这可以通过非常简单的销售机制来实现。更准确地说，我们表明，通过单独的价格彩票销售的项目实现了$O(\log r)$近似比，其中$r=\max_j(σ_j/μ_j)$是最大的变异系数的项目。为了证明这一结果，我们对单一商品的情况进行了价格抽奖。如果被迫将我们自己限制在确定性机制中，这种保证就会退化为$O(r^2)$。假设独立的项目估值，这些比率可以进一步提高定价的整个捆绑。对于相同的手段和方差的情况下，特别是，我们得到的$O(\log(r/m))$的保证，收敛到最优的项目的数量越来越大。我们证明了上述机制的最优性，通过提供匹配的下限。我们对单项确定性情况的严密分析解决了Azar和Micali [ITCS'13]工作中的一个空白。作为副产品，我们还展示了如何直接使用我们的上界来改进和扩展Azar等人[SODA'13]的参数拍卖相关的先前结果。
2022-04-28 cs.GT
How to Sell Information Optimally: an Algorithmic Study
我们研究的算法问题出售信息的代理人面临的决策问题下的不确定性。我们采用Bergemann等人最近提出的模型。[BBS 18]，其中信息通过称为实验的信号方案揭示。在单代理设置中，任何机制都可以表示为实验菜单。我们的研究结果表明，设计收入最优菜单的计算复杂性在很大程度上取决于模型的指定方式。当所有的参数的问题是明确的，我们提供了一个多项式时间算法，计算收入最优的菜单。对于指定的模型与简洁的隐式描述的情况下，我们表明，问题的易处理性是紧密相关的最佳响应Oracle的有效实施：当它可以有效地实现，我们提供了一个添加剂的FPTAS的运行时间是独立的动作的数量。另一方面，我们提供了一个家庭的问题，它是计算上难以处理的最佳对策的预言，我们表明，这是NP-很难得到即使是一个恒定的分数的最佳收入。此外，我们研究了Bergemann等人[BBS 18]对原始模型的推广，该模型允许多个代理竞争有用的信息。我们利用拍卖设计研究中开发的技术（参见[CDW 12 a]，[AFHHM 12]，[CDW 12 b]，[CDW 13 a]，[CDW 13 b]）来设计一个多项式时间算法，该算法计算出售信息的收入最优机制。
2020-12-23 cs.GT
Multi-Dimensional Screening with Endogenous Information Disclosure
本文研究多产品垄断定价中卖方联合设计机制与信息结构的问题，证明内生信息下统一定价可达最优收入一半，且对负关联或可交换分布确定性定价最优，凸显信息设计的力量。
2025-10-28 cs.GT
Simple Mechanisms for Profit Maximization in Multi-item Auctions
我们研究了一个经典的贝叶斯机制设计问题，卖方是多个项目销售给多个买家。我们考虑的情况下，卖方有成本生产的项目，这些成本是私人信息的卖方。卖方如何设计一个机制来最大化她的利润？两个研究得很好的问题，收入最大化的多项目拍卖和信号在广告拍卖，是我们的问题的特殊情况。我们发现，存在一个简单的机制，其利润至少是$\frac{1}{44}$的最优利润多个买家矩阵秩估值函数。当只有一个买家时，对于一般约束-可加估值，近似因子为$11$;对于可加估值，近似因子为$6$。即使卖方的成本在不同商品之间是相关的，我们的结果也是成立的。我们引入了一类新的机制，称为销售机制。对于单一买方的情况下，这些机制是很简单的：有两个阶段。对于每个项目$j$，我们创建一个单独的许可证，允许买方在第二阶段购买该项目。在第一阶段，我们出售许可证，但不透露任何有关成本的信息。在第二阶段中，卖方披露所有费用，并且如果买方在第一阶段中购买了物品$j$的许可证，则买方可以通过支付物品价格来购买物品$j$。我们发现，无论是单独出售的许可证或作为一个大捆绑足以实现常数因子近似的最优利润（6添加剂，和11约束添加剂）。对于多个买家，我们出售的许可证顺序，并获得常数因子近似。我们的证明是通过构建一个基准的最佳利润相结合的新的双重解决方案与现有的事前放松技术。
2020-04-16 cs.GT
Selling Privacy at Auction
本文从差分隐私的视角出发，对隐私数据市场进行研究.虽然私人数据的买卖已经大规模开始，但隐私作为商品的理论仍然缺失。在本文中，我们建议建立这样一个理论。具体来说，我们考虑一个数据分析师希望从人群中购买信息的设置，他可以从中估计一些统计数据。分析师希望以低廉的代价获得一个准确的估计。另一方面，私人数据的所有者因其隐私的损失而付出了一定的代价，并且必须对这种损失进行补偿。代理人是自私的，希望最大化他们的利润，所以我们的目标是设计真实的机制。我们的主要结果是，这样的拍卖可以自然地被视为多单位采购拍卖的变种和最佳解决方案。基于这一结果，我们得到拍卖的两个自然设置是最佳的小常数因子：1。在数据分析师有一个固定的准确性目标的设置中，我们表明，经典的Vickrey拍卖的应用程序实现了分析师的准确性目标，同时最大限度地减少他的总付款。2.在数据分析师有固定预算的情况下，我们给出了一种机制，该机制可以最大限度地提高结果估计的准确性，同时保证结果支付总额不超过分析师的预算。在这两种情况下，我们的比较类都是无嫉妒机制的集合，它对应于我们设置中的固定价格机制的自然类。在这两个结果中，我们忽略了隐私成本，因为个人隐私数据和他对隐私本身的估值之间可能存在相关性。然后，我们表明，一般来说，没有个人理性的机制可以补偿个人的隐私损失，由于他们报告的隐私估值。
2011-11-29 cs.CR cs.GT
Constrained Signaling in Auction Design
我们考虑的问题，拍卖人面临的任务是出售一个好的（从一个已知的分布）的一组买家，当拍卖人没有能力向买家描述的确切身份的好，他正在出售。相反，他必须提出一个受约束的信号方案：一个从商品到信号的（非内射）映射，满足他的设置的约束。例如，拍卖人可能只能为每件商品传达有限长度的信息，或者他可能在如何为出售的物品做广告方面受到法律限制。每个候选的信令方案诱导买家之间的不完全信息博弈，和拍卖的目标是选择的信令方案和伴随的拍卖格式，优化福利。在本文中，我们使用子模函数最大化和无遗憾学习的技术，给各种约束信令问题的约束信令方案的计算算法。
2014-01-06 cs.DS cs.GT
Reward-penalty Mechanism for Reverse Supply Chain Network with Asymmetric Information and Carbon Emission Constraints
研究了在信息不对称和碳排放约束条件下，逆向供应链网络中下游零售商之间的竞争关系，以及政府的奖惩机制。考虑了逆向供应链网络协调结构和奖惩机制权力结构不同的五种对策模型：（1）逆向供应链网络集中决策模型;（2）碳排放约束下的逆向供应链网络集中决策模型;（3）零售商竞争下的逆向供应链网络分散决策模型;（4）考虑碳排放约束的零售商竞争逆向供应链网络分散决策模型：（5）考虑碳排放约束和政府奖惩机制的零售商竞争逆向供应链网络分散决策模型。运用委托代理理论建立了各模型下的参与激励契约，并运用拉格朗日乘数法对模型进行了求解。结果表明：1）政府同时实施碳排放和回收的奖惩机制时，回收率和制造商提供的回购价格均高于政府单独实施碳排放奖惩机制时的回收率和回购价格; 2）当政府实施碳排放约束时，两个零售商的新产品销售价格都高于不实施碳排放约束时的价格;（3）当政府只实施碳排放奖惩机制和同时实施碳排放和回收机制时，两个零售商的新产品销售价格之间没有必然的关系。
2017-02-23 cs.GT math.OC
Optimal Pricing in Social Networks with Incomplete Information
在社交网络中销售数字产品的收入最大化中，代理的效用通常被认为有两个部分：私人估值和来自其他代理的线性加性影响。我们研究了不完全信息的情况下，代理人知道一个共同的分布，其他的私人估值，并作出决策的同时。在这种情况下，代理人的"理性行为"被著名的贝叶斯纳什均衡捕获。出现了两个具有挑战性的问题：如何计算一个均衡，以及如何优化定价策略，从而最大限度地提高收入假设代理遵循均衡？在本文中，我们主要集中在自然模型中，每个代理人的私人估值是从均匀分布中采样的，这已经是具有挑战性的。我们的主要结果是一个多项式时间算法，可以精确地计算均衡和最优价格，当成对的影响是非负的。如果允许负面影响，计算任何均衡，即使是近似的，也是PPAD困难的。我们的算法也可以用来设计一个FPTAS优化歧视性价格剖面。
2011-09-24 cs.GT
How to Sell Hard Information
资产的卖方可以选择从中介机构购买有关资产价值的硬信息。然后，卖方可以在竞争市场上出售资产之前披露所获得的信息。我们研究了中介如何设计和销售硬信息，以稳健地最大化她的收入在所有均衡。即使中介可以使用一个准确的测试，揭示了资产的价值，我们表明，强大的收入最大化导致一个嘈杂的测试与连续的可能的分数呈指数分布。此外，中介总是向卖方收取向市场披露测试分数的费用，但不一定是运行测试。这使得中介机构能够稳健地挪用资产出售产生的盈余的很大一部分，即使测试产生的信息没有提供社会价值。
2020-10-15 cs.GT econ.TH
Signaling Schemes for Revenue Maximization
信号传递是经济环境中信息不对称研究的重要课题。特别是，在拍卖环境中出卖人所能获得的信息的透明度是一个令人十分感兴趣的问题。我们介绍了研究信号时进行第二次价格拍卖的概率好，其实际的实例是已知的拍卖师，但不是投标人。这个框架可以用来模拟展示广告中的展示销售。我们研究的问题计算的信号方案，最大限度地提高拍卖商的收入在贝叶斯设置。虽然一般情况下被证明是计算困难的，几种情况下的利益是多项式可解的。此外，我们建立了一个严格的约束所需的最小数量的信号，以实现一个最佳的信令方案，并表明，至少有一半的最大社会福利可以保存在这样的计划。
2012-04-25 cs.GT
The Value of Information Concealment
我们考虑一个收入优化的卖方出售一个单一的项目给买方，其私人价值的卖方有一个嘈杂的信号。我们表明，当信号保持私密时，可以任意提取更多的收入，而不是信号被泄露或泄露。然后，我们表明，如果卖方不允许向买方付款，两者之间的差距是有界的乘法因子3，如果每个信号的值分布条件是定期的。我们给出的例子表明，这两个条件是必要的常数绑定举行。我们将此场景连接到多个投标人的单一项目拍卖，其中投标人的价值是相关的。类似于上面的设置，我们表明，贝叶斯激励兼容，事后个别理性拍卖的收入可以任意大于一个优势策略激励兼容拍卖，而这两个是不超过一个因素的5除了如果拍卖师从来没有支付投标人，如果每个投标人的价值条件下，其他的是根据一个规则的分布。当分布是少量规则分布的混合时，两种设置中的上界都会优雅地降级。
2017-07-18 cs.GT
Optimal Design of Robust Combinatorial Mechanisms for Substitutable Goods
本文研究了向一组购买者销售离散可替代产品的多维机制设计问题。以往的研究主要集中在卖方估价的随机描述上。然而，在某些应用中，不知道关于购买者偏好的先验信息。为了解决这个问题，我们考虑不确定的估值和制定一个强大的优化框架的问题：目标是最大限度地减少最大遗憾。对于一类特殊的收益最大化定价问题，我们提出了一种基于混合整数线性规划的求解方法。
2017-01-04 cs.CE cs.GT
Algorithmic Information Disclosure in Optimal Auctions
本文研究最优拍卖中信号结构与拍卖规则的联合设计问题，证明该问题为NP难，提出了收益损失至多为ε的PTAS算法，并证实提供部分信息可将收益保证至最优福利的1-1/e。
2024-03-13 cs.GT econ.TH
Public Projects with Preferences and Predictions
针对公共项目决策，提出两阶段机制，结合预测市场与投票，并利用二次转移机制，实现抗操纵且满足无政府状态价格保证，首次给出非渐近界。
2025-02-28 cs.GT
Bayesian Persuasion under Ex Ante and Ex Post Constraints
贝叶斯说服是研究战略代理人之间的信息共享策略。一个最好的例子是在线广告拍卖中的信号：当向用户出售广告机会时，平台应该向广告商发出关于用户的什么信息？防止歧视、保护隐私或承认信息接收者注意力有限等实际考虑因素对信息共享施加了限制。在这项工作中，我们提出并分析了一个简单的方法来数学建模，如限制接收器的容许后验信念的限制。我们考虑两个家庭的约束-事前和事后，后者限制发送者-接收者通信的每个实例，而前者更一般的家庭也可以构成限制的期望。对于事前族，Doval和Skreta建立了具有少量信号的最优信号方案的存在性-至多是约束的数量加上自然状态的数量;我们证明了这个结果是紧的，并提供了另一种证明。对于事后族，我们收紧了Vølund的界，表明所需的信号数至多是自然状态数，就像卡梅尼卡-根茨科的原始场景一样作为我们的主要算法的结果，我们提供了一个添加剂的双标准FPTAS的最优约束信令方案假设一个恒定的状态数，我们提高了近似的Slater的正则性条件下的单标准。FPTAS在标准假设下成立;放松的假设产生PTAS。最后，我们确定了凸事前约束下Sender的最佳效用与相应的事后约束之间的比率。这个界限适用于找到一个近似福利最大化的约束信令方案在广告拍卖。
2021-04-11 cs.GT
Neural Auctions Compromise Bidder Information
University of Maryland, College Park（马里兰大学帕克分校）；University of Zurich（苏黎世大学）
单次拍卖通常被用作销售商品的一种手段，例如在销售广告空间或分配无线电频率时，但是为多个投标人和多个物品设计拍卖机制可能会很复杂。研究表明，神经网络可以用来逼近最优机制，同时满足拍卖是防策略的和个体理性的约束。我们发现，尽管这样的拍卖收入最大化，他们这样做的成本透露私人投标人的信息。虽然随机性通常用于建立隐私，但在这种情况下，如果不小心进行，就会带来并发症。具体而言，它可能违反合理性和可行性约束，从根本上改变机制的激励结构，和/或损害收入和社会福利等顶层指标。我们提出了一种方法，采用随机性，以提高隐私，同时满足拍卖机制的要求，只有一个适度的牺牲收入。我们分析了成本的拍卖行，引入不同程度的隐私，在共同的拍卖设置。我们的研究结果表明，尽管目前的神经拍卖的能力，以近似最佳的机制，由此产生的脆弱性，依赖于神经网络必须考虑。
2023-02-28 cs.CR cs.GT cs.LG
The Price of Ignorance: Information-Free Quotation for Data Retention in Machine Unlearning
RPTU University Kaiserslautern-Landau（凯泽斯劳滕-兰道大学）；Dongbei University of Finance and Economics（东北财经大学）；Tongji University（同济大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）
研究探讨在数据删除权下，运营商在机器反向学习中因无法获取用户隐私信息而产生的福利成本，提出无需用户信息的报价机制，证明其效率优势。
2026-04-13 cs.GT cs.LG
Differentially Private Bayesian Persuasion
本文研究差分隐私约束下的贝叶斯劝说问题，从后验发布和行动推荐两个视角刻画隐私对信息披露与发送方效用的影响，并给出最优信号方案的几何特征及多项式时间计算算法。
2024-02-24 cs.GT
Optimal Advertising for Information Products
在销售信息产品时，销售者可以提供一些免费的部分信息来改变人们的评价，从而有可能增加整体收益。本文研究了广告信息产品的一般性问题，即部分信息揭示问题。我们认为买家是决策者。决策问题的结果取决于购买者未知的世界状态。购买者可以进行自己的观察，因此可以对世界的状态持有不同的个人信念。有一个信息卖家可以访问世界的状态。卖方可以通过透露部分信息来促进信息。我们假设卖方选择一个长期的广告策略，然后承诺它。卖方的目标是最大化的预期收入。我们在两种情况下研究这个问题。(1)卖家瞄准的是某种类型的买家。在这种情况下，找到最优广告策略就相当于找到一个简单函数的凹闭包。该函数是两个量的乘积，即似然比和不确定性成本。基于这一观察，我们证明了一些性质的最优机制，这使我们能够解决的最优机制，由一个有限大小的凸规划。如果世界的状态具有常数数量的可能实现，或者购买者面临的决策问题具有常数数量的选项，则凸规划将具有多项式大小。对于一般问题，我们证明了寻找最优机制是NP-困难的。(2)当卖方面对不同类型的买方，只知道他们的类型的分布，我们提供了一个近似算法时，它不是太难预测的可能类型的买方谁将作出购买。对于一般的问题，我们证明了它是NP-难找到一个常数因子近似。
2021-09-23 cs.GT econ.TH
Sales Policies for a Virtual Assistant
我们研究了通过基于语音的虚拟助理（VA）销售的影响。卖方有一组可用的产品，VA决定提供哪种产品以及以什么价格提供，寻求最大化其收入，消费者或总盈余。消费者是不耐烦和理性的，寻求最大化她的期望效用给定的信息给她。VA选择产品的基础上，消费者的要求和其他信息提供给它，然后把它们顺序。一旦产品被展示并定价，消费者就会对其进行评估并决定是否购买。消费者对每种产品的估价包括作为公知知识的预估价和对消费者私有的后估价部分。我们解决的均衡，并制定有效的算法来实现解决方案。我们研究了信息不对称对结果的影响，并研究了激励错位如何取决于私人估值的分布。我们发现，单调的排名是最佳的情况下，一个高度耐心或不耐烦的消费者，并提供了一个很好的近似其他水平的耐心。产品的预期价值与价格之间的关系取决于消费者的耐心水平，当消费者高度不耐烦（耐心）时，产品的预期价值与价格之间的关系是单调递增（递减）的。此外，卖方的份额的总剩余减少的私人信息的量。我们比较VA到传统的基于Web的界面，其中多个产品同时呈现在每个页面上。我们发现，在一个页面内，高价值的产品定价低于低价值的产品时，私人估值呈指数分布。最后，基于网络的界面通常比VA为卖方实现更高的利润，这是由于其呈现方式中固有的更大的承诺力。
2020-09-02 cs.GT econ.TH
How to Sell High-Dimensional Data Optimally
本文研究了在高维数据环境下如何最优定价信息，提出了一种基于统计实验的菜单设计算法，适用于高斯数据，并通过半正定规划高效求解最优菜单。
2026-03-24 cs.GT cs.LG econ.TH
