[发明专利]一种基于贝叶斯最优拍卖的多副本数据交易方法

权利要求书

1.一种基于贝叶斯最优拍卖的多副本数据交易方法，其特征在于，记数据块被交易k次，数据需求者j收益是：

u_j(v，k)＝x_j(v)·v_j·f(k)-p_j(v) (1)

其中x_j∈{0，1}，x_j＝1表示该数据块的一个数据副本由数据需求者j获得，否则x_j＝0；p_j是数据需求者j支付的价格；f(k)是折扣因子，一个值域为(0，1]的非递增函数，f(1)＝1；k是正整数；v_j是数据需求者j对该数据块的数据估值；v＝(v₁，v₂，...，v_j，…，v_J)表示由所有J个数据需求者对该数据块的数据估值组成的向量；

数据需求者j对数据块的虚拟估值φ_j(v_j)表示为：

其中g_j(·)和G_j(·)分别表示数据需求者j对于数据估值的概率分布函数和累积概率分布函数；

则，

其中E_v[ ]表示总体数据效用，公式(3)中左侧表达式表示期望报酬最大，右侧表达式表示期望虚拟估值最大；

具体计算数据交易方案的步骤如下：

步骤1、数据需求发布：数据拥有者将他的数据块的描述上传到数据交易平台，数据交易平台发布数据描述信息；

步骤2、竞拍：每个数据需求者汇报自己的竞拍价格，记为b_j；将所有数据需求者的竞拍标书是b＝(b₁，b₂，...，b_J)；

步骤3、计算获胜竞拍标书和最优副本数目：按照公式(3)右侧的计算方式，找到期望虚拟数据估值最大的一个竞拍标书的集合，得到最终的获胜竞拍标书集合；这样就确定了哪些数据需求者获得数据副本，最终的获胜竞拍标书集合的大小就是最优的数据份数k^*；

步骤4、计算报酬：基于VCG机制计算报酬；VCG机制的报酬计算方法是，一个数据需求者获得的报酬等于他对其他数据需求者所获得的总报酬的影响，即在该数据需求者参与和不参与数据交易的两种情况下其他数据需求者所获得的总报酬的差值；

步骤5、数据转移和价格支付：数据拥有者按照获胜竞拍标书将数据副本发送给相应的数据需求者，每个获得数据副本的数据需求者按照步骤四中计算的报酬向数据拥有者支付相应的价格。

2.如权利要求1所述的一种基于贝叶斯最优拍卖的多副本数据交易方法，其特征在于，所述步骤3计算获胜竞拍标书的具体步骤为：

步骤3-a将所有的候选竞拍标书b按照竞拍价格非递增的顺序排序，将排序后的排在第r位的竞拍标书的价格记为b_(r)，b₍₁₎≥b₍₂₎≥…≥b_(r)≥…≥b_J；

步骤3-b计算每个竞拍标书的虚拟估值，即计算b_(r)的虚拟估值φ_(r)(b_(r))，记为b′_(r)；每个竞拍标书的虚拟估值排序顺序不变；

步骤3-c计算使最大的k值，即计算折扣后的虚拟估值总和的最大值，对应的就是最优副本数目k^*，此时虚拟估值前k^*大的竞拍标书就是获胜标书，对应的各个数据需求者将获得一个数据副本。

3.如权利要求2所述的一种基于贝叶斯最优拍卖的多副本数据交易方法，其特征在于，所述步骤4中，针对每一个未获胜的竞拍标书，它对应的数据需求者无需支付报酬；针对每一个获胜的竞拍标书b_w，它对应的数据需求者需要支付的报酬按照VCG机制计算，具体计算方式如下：

步骤4-a计算所有其他获胜的竞拍标书的虚拟估值之和与f(k^*)的乘积，记为p′。

步骤4-b将b_w从b中剔除得到b_-w，重复步骤3的所有步骤，重新计算折扣后的虚拟估值总和的最大值，也就是计算U(b_-w)，记为p″；

步骤4-c计算作为该数据需求者应该支付的报酬，其中是φ_w(·)的反函数。