論文の概要: Indifferential Privacy: A New Paradigm and Its Applications to Optimal Matching in Dark Pool Auctions

• arxiv url: http://arxiv.org/abs/2502.13415v1
• Date: Wed, 19 Feb 2025 04:19:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-20 13:57:49.895900
• Title: Indifferential Privacy: A New Paradigm and Its Applications to Optimal Matching in Dark Pool Auctions
• Title（参考訳）: Indifferential Privacy:ダークプールオークションにおける最適マッチングのための新しいパラダイムとその応用
• Authors: Antigoni Polychroniadou, T. -H. Hubert Chan, Adya Agrawal,
• Abstract要約: ニューヨーク証券取引所やNASDAQのような公開取引所は、公開二重オークションシステムにおいてオークション業者として機能する。 ダークプールのような高ボリューム取引に関わる競売人は、常に信頼できるとは限らない。 それまでのソリューションでは、完全同型暗号を用いて、マッチが発生した場合にのみ情報が開示されることを保証する命令を暗号化していた。 本稿では,差分プライバシと軽量暗号化を組み合わせた新しいシステムを提案する。
• 参考スコア（独自算出の注目度）: 8.25480977550397
• License:
• Abstract: Public exchanges like the New York Stock Exchange and NASDAQ act as auctioneers in a public double auction system, where buyers submit their highest bids and sellers offer their lowest asking prices, along with the number of shares (volume) they wish to trade. The auctioneer matches compatible orders and executes the trades when a match is found. However, auctioneers involved in high-volume exchanges, such as dark pools, may not always be reliable. They could exploit their position by engaging in practices like front-running or face significant conflicts of interest, i.e., ethical breaches that have frequently resulted in hefty fines and regulatory scrutiny within the financial industry. Previous solutions, based on the use of fully homomorphic encryption (Asharov et al., AAMAS 2020), encrypt orders ensuring that information is revealed only when a match occurs. However, this approach introduces significant computational overhead, making it impractical for high-frequency trading environments such as dark pools. In this work, we propose a new system based on differential privacy combined with lightweight encryption, offering an efficient and practical solution that mitigates the risks of an untrustworthy auctioneer. Specifically, we introduce a new concept called Indifferential Privacy, which can be of independent interest, where a user is indifferent to whether certain information is revealed after some special event, unlike standard differential privacy. For example, in an auction, it's reasonable to disclose the true volume of a trade once all of it has been matched. Moreover, our new concept of Indifferential Privacy allows for maximum matching, which is impossible with conventional differential privacy.
• Abstract（参考訳）: ニューヨーク証券取引所やNASDAQなどの公開取引所は、買い手が最も高い入札を提出し、売り手は取引したい株(量)の数とともに最低の請求価格を提示する。 競売人は、互換性のある注文にマッチし、マッチを見つけたときに取引を実行する。 しかし、ダークプールのような大量取引に関わる競売業者は、常に信頼できるとは限らない。 彼らは、フロントランニングのような慣行、すなわち金融業界で重大な罰金や規制の精査を頻繁に生んだ倫理的違反に直面することによって、自分たちの立場を悪用することができる。 それまでのソリューションでは、完全同型暗号化(Asharov et al , AAMAS 2020)を使用して、マッチが発生した場合にのみ情報が開示されることを保証する命令を暗号化していた。 しかし,本手法では計算オーバーヘッドが大きくなり,ダークプールのような高周波取引環境では実現不可能となる。 本研究では,差分プライバシと軽量暗号化を組み合わせた新しいシステムを提案し,信頼性の低いオークション業者のリスクを軽減するための,効率的で実用的なソリューションを提案する。 具体的には、インディペンデンシャル・プライバシ(Indifferential Privacy)という新しい概念を紹介します。これは、標準のディペンデンシャル・プライバシとは違い、特定の情報が特定のイベントの後に明らかにされるかどうかにユーザが無関心な、独立した関心を持つことができます。 例えば、オークションでは、すべての取引が一致したら、取引の真のボリュームを開示するのは合理的です。 さらに、私たちの新しい概念であるIndifferential Privacyは、従来の差分プライバシーでは不可能な最大マッチングを可能にします。

関連論文リスト

• Activity Recognition on Avatar-Anonymized Datasets with Masked Differential Privacy [64.32494202656801]
  プライバシを保存するコンピュータビジョンは、機械学習と人工知能において重要な問題である。 本稿では,ビデオデータセット中の感性のある被験者を文脈内の合成アバターに置き換える匿名化パイプラインを提案する。 また、匿名化されていないがプライバシーに敏感な背景情報を保護するため、MaskDPを提案する。
  論文  参考訳（メタデータ） (2024-10-22T15:22:53Z)
• Convergent Differential Privacy Analysis for General Federated Learning: the $f$-DP Perspective [57.35402286842029]
  フェデレートラーニング(Federated Learning, FL)は、ローカルプライバシを重視した効率的な協調トレーニングパラダイムである。 ディファレンシャルプライバシ(DP)は、私的保護の信頼性を捕捉し、保証するための古典的なアプローチである。
  論文  参考訳（メタデータ） (2024-08-28T08:22:21Z)
• Secure Aggregation is Not Private Against Membership Inference Attacks [66.59892736942953]
  フェデレーション学習におけるSecAggのプライバシーへの影響について検討する。 SecAggは、単一のトレーニングラウンドであっても、メンバシップ推論攻撃に対して弱いプライバシを提供します。 以上の結果から,ノイズ注入などの付加的なプライバシー強化機構の必要性が浮き彫りになった。
  論文  参考訳（メタデータ） (2024-03-26T15:07:58Z)
• Prime Match: A Privacy-Preserving Inventory Matching System [15.320275576536854]
  金融業界では、銀行はしばしば顧客同士のマッチングを見つける仕事を引き受ける。 一致しない場合、当事者は株式を公開市場で売買する必要があるため、追加費用がかかる。 私たちは、クライアントが市場への影響を減らして注文を効率的にマッチングできるソリューション、Prime Matchを提供しています。
  論文  参考訳（メタデータ） (2023-10-14T17:03:44Z)
• Differentially Private Secure Multiplication: Hiding Information in the Rubble of Noise [7.110450972801578]
  プライベート分散マルチパーティ乗算の問題点を考察する。 Shamirの秘密共有コーディング戦略が、分散計算における完全な情報理論プライバシを実現することは、十分に確立されている。
  論文  参考訳（メタデータ） (2023-09-28T02:13:13Z)
• Neural Auctions Compromise Bidder Information [43.82512707595423]
  シングルショットオークションは、例えば広告スペースを販売したり、無線周波数を割り当てたりする際に、商品を売る手段として一般的に使用される。 ニューラルネットワークは、オークションが戦略的かつ個々に合理的であるという制約を満たしつつ、最適なメカニズムを近似するために使用できることが示されている。 このようなオークションは収益を最大化するが、個人入札情報を開示するコストがかかることを示している。
  論文  参考訳（メタデータ） (2023-02-28T22:36:00Z)
• Breaking the Communication-Privacy-Accuracy Tradeoff with $f$-Differential Privacy [51.11280118806893]
  サーバが複数のユーザの協調的なデータ分析を,プライバシの懸念と限られた通信能力で調整する,フェデレートされたデータ分析問題を考える。 有限出力空間を有する離散値機構の局所的差分プライバシー保証を$f$-differential privacy (DP) レンズを用いて検討する。 より具体的には、様々な離散的評価機構の厳密な$f$-DP保証を導出することにより、既存の文献を前進させる。
  論文  参考訳（メタデータ） (2023-02-19T16:58:53Z)
• Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
  垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。 我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
  論文  参考訳（メタデータ） (2022-07-19T05:47:30Z)
• Privacy-Friendly Peer-to-Peer Energy Trading: A Game Theoretical Approach [0.0]
  ゲーム理論に基づく分散型プライバシフレンドリーなエネルギー取引プラットフォーム(PFET)を提案する。 同型暗号化暗号システムを使用して、買い手や売り手の機密情報を暗号化し、売り手$'$価格と買い手$'$需要を暗号化する。
  論文  参考訳（メタデータ） (2022-01-05T20:41:32Z)
• Towards Prior-Free Approximately Truthful One-Shot Auction Learning via Differential Privacy [0.0]
  事前依存した設定で複数項目のオークションを見つけるためのディープラーニング技術。 我々は、RegretNetアプローチを事前のフリー設定に適用するように修正する。 予備実験結果と定性解析について述べる。
  論文  参考訳（メタデータ） (2021-03-31T23:22:55Z)
• InfoScrub: Towards Attribute Privacy by Targeted Obfuscation [77.49428268918703]
  視覚データに流出した個人情報を個人が制限できる技術について検討する。 我々はこの問題を新しい画像難読化フレームワークで解決する。 提案手法では,元の入力画像に忠実な難読化画像を生成するとともに,非難読化画像に対して6.2$times$(または0.85bits)の不確実性を増大させる。
  論文  参考訳（メタデータ） (2020-05-20T19:48:04Z)

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。