[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

说明书

本申请公开了一种基于贝叶斯最优拍卖的多副本数据交易方法，具体涉及一种面向厌恶分享型数据需求者的基于贝叶斯最优拍卖实现的多副本数据交易方法。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；每个数据需求者按照真实数据估值作为竞拍价格提交竞拍标书；找到期望折扣虚拟数据估值总和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，并基于VCG机制计算报酬，得到最大总体数据效用。

技术领域

本申请涉及一种基于贝叶斯最优拍卖的多副本数据交易方法，属于数据交易技术领域。

背景技术

基于物联网和群智感知系统的数据交易问题着重讨论如何在各类异构设备之间实现高效、公平、安全、智能、可靠的数据交易过程，达到总体数据效用最优化。现有工作大多考虑不允许数据重复交易的场景，研究如何检测重复交易和拒绝不合法的数据交易交易行为。但是，数据是一种公共商品，数据可以同时被不同数据需求者共享使用而且互不影响，数据的复制成本几乎为0，因此，允许一个数据块被重复交易是一个值得探索的研究问题，有利于充分挖掘数据蕴含的巨大价值。例如，在基于端边云架构实现的物联网系统，边缘节点可能为了获得更多的收益将一份数据内容的多个副本出售给多个感兴趣的云端应用服务商。

但是，数据并不能无限地复制并出售，数据拥有者通过交易数据获得的总收益也不会无限增长。如图1所示，一般情况下，数据需求者对于某个数据块的数据估值随着所交易的该数据块的副本数目增加而下降；而相应的数据拥有者出售一个数据块的若干副本所获取的总收益随着数据副本数目先增加后下降。这种现象表明数据价值和数据的稀缺程度有关。例如，某公司计划购买潜在顾客的相关历史消费记录数据、分析消费者特征、进行精准广告投放，进而提高销售收入；基于消费者历史消费记录数据的分析可以为该公司提供竞争优势，因此它认为该数据的价值很高，但如果竞争对手也获得了同样的数据，那么它就会认为该数据的价值大大降低，愿意为该数据支付的价格也大幅降低。数据需求者的这种特点被称为“厌恶分享”特点。

发明内容

本申请要解决的技术问题是对于数据块的多副本交易，如何交易才能达到最大的总体数据效用。

为了解决上述技术问题，本申请的技术方案是提供了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，由于数据拥有者的数据收集和存储成本不变，总体数据效用最大化等价于数据拥有者从交易数据中获得的报酬最大化；

具体计算数据交易方案的步骤如下：