論文の概要: Click Without Compromise: Online Advertising Measurement via Per User Differential Privacy

• arxiv url: http://arxiv.org/abs/2406.02463v1
• Date: Tue, 4 Jun 2024 16:31:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-05 15:20:58.480405
• Title: Click Without Compromise: Online Advertising Measurement via Per User Differential Privacy
• Title（参考訳）: Click Without Compromise: ユーザ毎の差分プライバシーによるオンライン広告計測
• Authors: Yingtai Xiao, Jian Du, Shikun Zhang, Qiang Yan, Danfeng Zhang, Daniel Kifer,
• Abstract要約: 本稿では,広告測定結果のための新しいユーザレベルの差分プライバシー保護スキームであるAds-BPCを紹介する。 Ads-BPCは、広告測定に適用された既存のストリーミングDPメカニズムよりも25%から50%精度が向上する。
• 参考スコア（独自算出の注目度）: 22.38999810583601
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online advertising is a cornerstone of the Internet ecosystem, with advertising measurement playing a crucial role in optimizing efficiency. Ad measurement entails attributing desired behaviors, such as purchases, to ad exposures across various platforms, necessitating the collection of user activities across these platforms. As this practice faces increasing restrictions due to rising privacy concerns, safeguarding user privacy in this context is imperative. Our work is the first to formulate the real-world challenge of advertising measurement systems with real-time reporting of streaming data in advertising campaigns. We introduce Ads-BPC, a novel user-level differential privacy protection scheme for advertising measurement results. This approach optimizes global noise power and results in a non-identically distributed noise distribution that preserves differential privacy while enhancing measurement accuracy. Through experiments on both real-world advertising campaigns and synthetic datasets, Ads-BPC achieves a 25% to 50% increase in accuracy over existing streaming DP mechanisms applied to advertising measurement. This highlights our method's effectiveness in achieving superior accuracy alongside a formal privacy guarantee, thereby advancing the state-of-the-art in privacy-preserving advertising measurement.
• Abstract（参考訳）: オンライン広告はインターネットエコシステムの基盤であり、広告測定は効率を最適化する上で重要な役割を担っている。 広告測定は、購入などの望ましい行動に、さまざまなプラットフォームにわたる広告露出をもたらし、これらのプラットフォームにまたがるユーザー活動の収集を必要とする。 このプラクティスは、プライバシーの懸念の高まりによる制限の増大に直面しているため、このコンテキストにおけるユーザのプライバシ保護は必須である。 私たちの研究は、広告キャンペーンでリアルタイムにストリーミングデータを報告することで、広告計測システムの現実的な課題を定式化した初めてのものです。 本稿では,広告測定結果のための新しいユーザレベルの差分プライバシー保護スキームであるAds-BPCを紹介する。 提案手法は,大域的なノイズパワーを最適化し,測定精度を高めつつ,差分プライバシーを保った非同一分散ノイズ分布を実現する。 実世界の広告キャンペーンと合成データセットの両方の実験を通じて、Ads-BPCは広告測定に適用される既存のストリーミングDPメカニズムよりも25%から50%精度が向上する。 そこで本手法は, プライバシー保証と同時に精度を向上し, プライバシー保護広告測定の最先端化を図っている。

関連論文リスト

• On the Use of Proxies in Political Ad Targeting [49.61009579554272]
  我々は、主要な政治広告主がプロキシ属性をターゲットとして緩和を回避したことを示す。 本研究は政治広告の規制に関する議論に重要な意味を持つ。
  論文  参考訳（メタデータ） (2024-10-18T17:15:13Z)
• Ads Supply Personalization via Doubly Robust Learning [13.392289135329833]
  広告供給のパーソナライゼーションは、広告量と密度を調整することによって、ソーシャルメディア広告における2つの長期的な目標である、収益とユーザエンゲージメントのバランスを図ることを目的としている。 本稿では,パーソナライズされた広告配信のためのフレームワークを提案する。 データの収集方針からの情報を2倍頑健な学習を通じて最適に活用し,長期処理効果推定の精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-09-29T06:09:52Z)
• Differentially Private Ad Conversion Measurement [44.91290951502002]
  我々は、差分プライバシー(DP)を用いたプライベート広告変換測定のための公式なフレームワークを開発する。 特に、帰属規則の運用上有効な構成の概念を定義する。 次に、実際に最も一般的に発生する構成の集合に対して、完全な特徴付けを提供する。
  論文  参考訳（メタデータ） (2024-03-22T14:18:52Z)
• Online Ad Procurement in Non-stationary Autobidding Worlds [10.871587311621974]
  本稿では,複数次元決定変数,帯域幅フィードバック,長期不確実な制約を用いたオンライン意思決定のための原始双対アルゴリズムを提案する。 提案アルゴリズムは, 逆数, 逆数, 周期的, エルゴディックな手順により, 調達結果が生成されると, 多くの世界では, 後悔の度合いが低いことを示す。
  論文  参考訳（メタデータ） (2023-07-10T00:41:08Z)
• Towards a User Privacy-Aware Mobile Gaming App Installation Prediction Model [0.8602553195689513]
  本研究では,モバイルゲームアプリのインストールを需要側プラットフォームの観点から予測するプロセスについて検討する。 プライバシ保護とモデルパフォーマンスのトレードオフについて検討する。 プライバシーを意識したモデルは依然として重要な能力を保っていると結論付けている。
  論文  参考訳（メタデータ） (2023-02-07T09:14:59Z)
• Lessons from the AdKDD'21 Privacy-Preserving ML Challenge [57.365745458033075]
  W3Cの顕著な提案では、過去のディスプレイの集計された、差別化されたプライベートなレポートを通じてのみ広告信号を共有することができる。 この提案を広く研究するために、AdKDD'21でオープンなプライバシ保護機械学習チャレンジが行われた。 重要な発見は、大量の集約されたデータの小さな集合が存在する場合の学習モデルは驚くほど効率的で安価であることである。
  論文  参考訳（メタデータ） (2022-01-31T11:09:59Z)
• Challenges and approaches to privacy preserving post-click conversion prediction [3.4071263815701336]
  この環境で変換モデルを学ぶ際の課題と制約について概説する。 本稿では,ポストグレード信号を利用したモデル学習手法を提案する。 実世界のデータに対してオフライン実験を用いることで、オプトインデータのみに依存するモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-01-29T21:36:01Z)
• A Cooperative-Competitive Multi-Agent Framework for Auto-bidding in Online Advertising [53.636153252400945]
  本稿では,自動入札のための総合的マルチエージェント強化学習フレームワーク,すなわちMAABを提案し,自動入札戦略を学習する。 当社のアプローチは、社会的福祉の観点から、いくつかの基準的手法を上回り、広告プラットフォームの収益を保証します。
  論文  参考訳（メタデータ） (2021-06-11T08:07:14Z)
• Dynamic Knapsack Optimization Towards Efficient Multi-Channel Sequential Advertising [52.3825928886714]
  我々は、動的knapsack問題として、シーケンシャルな広告戦略最適化を定式化する。 理論的に保証された二段階最適化フレームワークを提案し、元の最適化空間の解空間を大幅に削減する。 強化学習の探索効率を向上させるため,効果的な行動空間削減手法も考案した。
  論文  参考訳（メタデータ） (2020-06-29T18:50:35Z)
• Do Interruptions Pay Off? Effects of Interruptive Ads on Consumers Willingness to Pay [79.9312329825761]
  本研究は,広告主ブランドの商品に対する消費者の支払い意欲に及ぼす割り込み広告の影響を計測する研究結果である。 本研究は, 広告の経済的影響に関する研究に寄与し, 実験マーケティング研究における実際の(自己申告の)支払意欲を測定する方法を紹介した。
  論文  参考訳（メタデータ） (2020-05-14T09:26:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。