一种基于差分隐私生成数据交易市场模型的方法和系统

本发明公开了一种基于差分隐私生成数据交易市场模型的方法，首先，通过收集市场数据，获取每个版本机器学习模型的质量、训练成本和市场需求量，并基于收入最大化原则推导出机器学习模型的最优价格；其次，设计基于隐私预算和隐私偏好的成本最小化模型，结合贪心选择算法优先选择成本最低的数据所有者，通过约束条件确保模型质量与隐私成本的平衡，同时优化训练成本；然后，引入反向拍卖机制，设计基于期望售价和隐私预算的赢家选择目标函数，并结合激励兼容的支付规则，确保数据所有者诚实报告隐私成本；最后，使用赢家集合训练机器学习模型，并根据支付规则对数据所有者进行补偿，最终构建一个高效、公平的数据交易市场模型。