یک حراج راستگرای آنلاین برای تجارت داده های IoT با صاحبان داده های پویا

داده ها یک دارایی بسیار وارداتی در جامعه علمی و تجاری مدرن است. نیروی زندگی در پشت الگوریتم های قدرتمند هوش مصنوعی یا ML داده ها ، به ویژه بسیاری از داده ها است که باعث می شود تجارت داده ها برای باز کردن قدرت AI یا ML به طور قابل توجهی ضروری باشد. صاحبان داده هایی که داده های شخصی و مصرف کنندگان داده ای را ارائه می دهند که درخواست بلوک داده ها را می دهند ، با یکدیگر مذاکره می کنند تا از طریق یک بستر تجارت بزرگ داده ها در مورد قیمت های معاملات توافق کنند. در نتیجه هر دو طرف از معاملات داده سود کسب می کنند. بسیاری از مطالعات موجود در مورد تجارت انواع مختلفی از داده ها و همچنین برای محافظت از حریم خصوصی داده ها ، یا ساخت یک بستر معاملاتی غیرمتمرکز به دلیل شرکت کنندگان غیرقابل اعتماد ، مورد بررسی قرار داده اند. با این حال ، مطالعات موجود از یک ویژگی مهم ، یعنی پویایی هر دو صاحبان داده ها و درخواست های داده در تجارت داده های IoT غفلت می کند. برای این منظور ، ما ابتدا یک مدل مبتنی بر حراج را برای تدوین فرآیند معاملات داده ها ایجاد می کنیم و سپس یک الگوریتم معاملات آنلاین داده آنلاین را پیشنهاد می کنیم که نه تنها مشکل تطبیق صاحبان داده های پویا و درخواست های داده به طور تصادفی را برطرف می کند ، بلکه تجارت داده ها را نیز تعیین می کندقیمت هر بلوک داده. الگوریتم پیشنهادی به چندین ویژگی خوب ، مانند نسبت رقابتی ثابت برای بهره وری اجتماعی تقریباً بهینه ، سازگاری تشویقی ، عقلانیت فردی شرکت کنندگان ، از طریق تجزیه و تحلیل نظری دقیق و شبیه سازی های گسترده دست می یابد.

کلید واژه ها

• تجارت داده ها
• صاحبان داده های پویا
• حراج آنلاین تقریباً بهینه

این پیش نمایش محتوای اشتراک ، دسترسی از طریق موسسه شما است.

گزینه های خرید

29. 95 یورو قیمت شامل مالیات بر ارزش افزوده (فدراسیون روسیه)

کتاب الکترونیکی 93. 08 یورو شامل مالیات بر ارزش افزوده (فدراسیون روسیه)

کتاب Softcover 109. 99 یورو از مالیات بر ارزش افزوده (فدراسیون روسیه) مستثنی است

منابع

1. GXS TradeWeb - خدمات GXS. https://gxstradeweb. gxsolc. com/pub-html/ediserviceinfoframeset. html. دسترسی به 11 آوریل 2021
2. Terbine: تبادل داده برای تحرک پیشرفته و زیرساخت ها. https://terbine. com/. دسترسی به 11 آوریل 2021
3. Cai ، Z. ، He ، Z: Trading Range Private با توجه به داده های بزرگ IoT. در: مجموعه مقالات IEEE کنفرانس بین المللی توزیع سیستم محاسبات (ICDCS) ، صص 144-153 (2019) Google Scholar
4. Dai ، W. ، Dai ، C. ، Choo ، K. K. R. ، Cui ، C. ، Zou ، D. ، Jin ، H: SDTE: یک اکوسیستم تجارت داده های مبتنی بر blockchain. IEEE ترانس. inf. پزشکی قانونی. 15 ، 725-737 (2019) Crossrefgoogle Scholar
5. Feng, Z., Chen, J.: سنجش جمعیت موبایل مبتنی بر بلاک چین برای به اشتراک گذاری داده های قابل اعتماد در سیستم های IoT. در: مجموعه مقالات IFIP Networking, pp. 1-3 (2021) Google Scholar
6. Feng, Z., Chen, J., Zhu, Y.: کشف ارزش داده های همبسته: داده های تجاری بر اساس حراج ترکیبی تکراری. در: مجموعه مقالات کنفرانس بین المللی IEEE تلفن همراه Ad-Hoc و Smart System (MASS) (2021، برای نمایش) Google Scholar
7. Gao, G., Xiao, M., Wu, J., Zhang, S., Huang, L., Xiao, G.: DPDT: مکانیزم تجاری متفاوتی که توسط جمعیت حس می شود. IEEE Inteet Things J. 7 (1)، 751 762 (2020) CrossRefGoogle Scholar
8. Ha، M.، Kwon، S.، Lee، Y. J.، Shim، Y.، Kim، J.: جایی که WTS با WTB ملاقات می کند: یک بازار مبتنی بر بلاک چین برای من دیجیتال برای تجارت داده های خصوصی کاربران. اوباش فراگیر. محاسبه کنید. 59، 101078 (2019) CrossRefGoogle Scholar
9. He, Y., Zhu, H., Wang, C., Xiao, K., Zhou, Y., Xin, Y.: یک پلتفرم معاملاتی داده پاسخگو مبتنی بر بلاک چین. در: مجموعه مقالات کنفرانس بین المللی IEEE کارگاه های ارتباطی محاسباتی (INFOCOM WKSHPS)، صفحات 1 6 (2019) Google Scholar
10. IDC می گوید: https://www. idc. com/getdoc. jsp? containerId=prAP46737220، IDC می گوید: رشد اینترنت اشیا نیازمند بازنگری در استراتژی های ذخیره سازی بلندمدت است. مشاهده شده در 11 آوریل 2021
11. Jin, W., Xiao, M., Li, M., Guo, L.: اگر به آن اهمیت نمی دهید آن را بفروشید: حریم خصوصی مکان تجارت در سنجش جمعیت موبایل. در: مجموعه مقالات IEEE Inteational Conference Computing Communication (INFOCOM)، صفحات 1045 1053 (2019) Google Scholar
12. Li, C., Li, D. Y., Miklau, G., Suciu, D.: تئوری قیمت گذاری داده های خصوصی. اشتراک. ACM 60 (12)، 79 86 (2017) CrossRefGoogle Scholar
13. Liu, T., Li, D., Cao, C., Gao, H., Li, C., Feng, Z.: حفاظت از حریم خصوصی ارزش مکانی مشترک برای جمع آوری داده های مکانی و زمانی از طریق سنجش جمعیت موبایل. در: مجموعه مقالات کنفرانس بین المللی محاسبات مشارکتی: شبکه سازی، برنامه ها و اشتراک گذاری کار (CollaborateCom) (2021، برای نمایش) Google Scholar
14. Liu, T., Wu, W., Zhu, Y., Tong, W.: تشخیص رویداد با تضمین دقت از طریق جمع سنجی موبایلی مشترک با کاربران غیرقابل اعتماد. در: Wang, X., Gao, H., Iqbal, M., Min, G. (eds.) CollaborateCom 2019. LNICST, vol. 292، صص 729-744. اسپرینگر، چم (2019). https://doi. org/10. 1007/978-3-030-30146-0_49CrossRefGoogle Scholar
15. Nguyen, L. D., Leyva-Mayorga, I., Lewis, A. N., Popovski, P.: مدلسازی و تحلیل تجارت داده در بازار مبتنی بر بلاک چین در شبکه های IoT. IEEE Inteet Things J. 8 (8), 6487 6497 (2021) CrossRefGoogle Scholar
16. Nisan ، N. ، Roughgarden ، T. ، Tardos ، E. V. ، Vazirani ، V. (Eds.): نظریه بازی الگوریتمی. انتشارات دانشگاه کمبریج ، کمبریج (2007) Google Scholar
17. Niu ، C. ، Zheng ، Z. ، Wu ، F. ، Tang ، S. ، Gao ، X. ، Chen ، G: باز کردن ارزش حریم خصوصی: آمار کل تجارت بر روی داده های همبسته خصوصی. در: کنفرانس بین المللی ACM در مورد کشف دانش و داده کاوی (KDD) ، صص 2031-2040 (2018) Google Scholar
18. Su ، G. ، Yang ، W. ، Luo ، Z. ، Zhang ، Y. ، Bai ، Z. ، Zhu ، Y: BDTF: یک چارچوب تجارت داده های مبتنی بر blockchain با محیط اجرای قابل اعتماد. Corr ABS/2007. 06813 (2020) Google Scholar
19. Yang ، C. ، et al .: اشتراک گذاری داده های تلفن همراه با همکاری چندین کاربر در جمع آوری موبایل (مقاله کوتاه). در: Gao ، H. ، Wang ، X. ، Yin ، Y. ، Iqbal ، M. (eds.) Collaboratecom 2018. lnicst ، vol. 268 ، صص 356-365. Springer ، Cham (2019). https://doi. org/10. 1007/978-3-030-12981-1_25CrossRefGoogle Scholar
20. Zhang ، J. ، Sun ، J. ، Zhang ، R. ، Zhang ، Y. ، Hu ، X: حفظ حریم خصوصی حفظ داده های رسانه های اجتماعی. در: مجموعه مقالات IEEE کنفرانس بین المللی ارتباطات محاسباتی (InfoCom) ، صص 1106 1114 (2018) Google Scholar
21. Zheng ، S. ، Pan ، L. ، Hu ، D. ، Li ، M. ، Fan ، Y: یک بستر معاملاتی مبتنی بر blockchain برای داده های بزرگ. در: مجموعه مقالات IEEE کنفرانس بین المللی کارگاه های ارتباطات محاسباتی (InfoCom WKSHPS) ، صص 991-996 (2020) Google Scholar
22. Zheng ، S. ، Cao ، Y. ، Yoshikawa ، M: Money نمی تواند همه چیز را بخرد: تجارت داده های تلفن همراه با از دست دادن حریم خصوصی قابل کنترل. در: مجموعه مقالات IEEE کنفرانس بین المللی مدیریت داده های تلفن همراه (MDM) ، صص 29-38 (2020) Google Scholar

تصدیق

این تحقیق تا حدی توسط برنامه قایقرانی شانگهای (کمک هزینه شماره 19YF1402200) و صندوق های تحقیقاتی اساسی برای دانشگاه های مرکزی پشتیبانی می شود (کمک هزینه شماره 2232021D-23).

اطلاعات نویسنده

نویسندگان و وابستگی ها

1. دانشگاه دونگوا ، شانگهای ، چین Zhenni Feng & Junchang Chen
2. دانشگاه شانگهای ، شانگهای ، چین تانگ لیو

1. ژنی فنگ