The growing threat of personal data breach in data trading pinpoints an urgent need to develop countermeasures for preserving individual privacy. The state-of-the-art work either endows the data collector with the responsibility of data privacy or reports only a privacy-preserving version of the data. The basic assumption of the former approach that the data collector is trustworthy does not always hold true in reality, whereas the latter approach reduces the value of data. In this paper, we investigate the privacy leakage issue from the root source. Specifically, we take a fresh look to reverse the inferior position of the data provider by making her dominate the game with the collector to solve the dilemma in data trading. To that aim, we propose the noisy-sequentially zero-determinant (NSZD) strategies by tailoring the classical zero-determinant strategies, originally designed for the simultaneous-move game, to adapt to the noisy sequential game. NSZD strategies can empower the data provider to unilaterally set the expected payoff of the data collector or enforce a positive relationship between her and the data collector’s expected payoffs. Both strategies can stimulate a rational data collector to behave honestly, boosting a healthy data trading market. Numerical simulations are used to examine the impacts of key parameters and the feasible region where the data provider can be an NSZD player. Finally, we prove that the data collector cannot employ NSZD to further dominate the data market for deteriorating privacy leakage.

中文翻译：

---

隐私意识数据交易

数据交易中个人数据泄露的威胁日益严重，迫切需要制定保护个人隐私的对策。最先进的工作要么赋予数据收集者数据隐私的责任，要么只报告数据的隐私保护版本。前一种方法的基本假设，即数据收集器是值得信赖的，在现实中并不总是成立，而后一种方法降低了数据的价值。在本文中，我们从根源上调查隐私泄露问题。具体来说，我们以全新的眼光来扭转数据提供者的劣势，让她与收集者一起称霸游戏，解决数据交易的困境。为了这个目标，我们通过定制最初为同时移动游戏设计的经典零行列式策略，以适应嘈杂的顺序游戏，提出了噪声序贯零行列式 (NSZD) 策略。NSZD 策略可以授权数据提供者单方面设置数据收集者的预期收益，或者在她和数据收集者的预期收益之间强制建立积极的关系。这两种策略都可以激发理性的数据收集者诚实行事，促进健康的数据交易市场。数值模拟用于检查关键参数的影响和数据提供者可以是 NSZD 播放器的可行区域。最后，我们证明数据收集器不能使用 NSZD 来进一步主导数据市场，从而导致隐私泄露恶化。最初设计用于同步移动游戏，以适应嘈杂的顺序游戏。NSZD 策略可以授权数据提供者单方面设置数据收集者的预期收益，或者在她和数据收集者的预期收益之间强制建立积极的关系。这两种策略都可以激发理性的数据收集者诚实行事，促进健康的数据交易市场。数值模拟用于检查关键参数的影响和数据提供者可以是 NSZD 播放器的可行区域。最后，我们证明数据收集器不能使用 NSZD 来进一步主导数据市场，从而导致隐私泄露恶化。最初是为同步移动游戏设计的，以适应嘈杂的顺序游戏。NSZD 策略可以授权数据提供者单方面设置数据收集者的预期收益，或者在她和数据收集者的预期收益之间强制建立积极的关系。这两种策略都可以激发理性的数据收集者诚实行事，促进健康的数据交易市场。数值模拟用于检查关键参数的影响和数据提供者可以是 NSZD 播放器的可行区域。最后，我们证明数据收集器不能使用 NSZD 来进一步主导数据市场，从而导致隐私泄露恶化。NSZD 策略可以授权数据提供者单方面设置数据收集者的预期收益，或者在她和数据收集者的预期收益之间强制建立积极的关系。这两种策略都可以激发理性的数据收集者诚实行事，促进健康的数据交易市场。数值模拟用于检查关键参数的影响和数据提供者可以是 NSZD 播放器的可行区域。最后，我们证明数据收集器不能使用 NSZD 来进一步主导数据市场，从而导致隐私泄露恶化。NSZD 策略可以授权数据提供者单方面设置数据收集者的预期收益，或者在她和数据收集者的预期收益之间强制建立积极的关系。这两种策略都可以激发理性的数据收集者诚实行事，促进健康的数据交易市场。数值模拟用于检查关键参数的影响和数据提供者可以是 NSZD 播放器的可行区域。最后，我们证明数据收集器不能使用 NSZD 来进一步主导数据市场，从而导致隐私泄露恶化。数值模拟用于检查关键参数的影响和数据提供者可以是 NSZD 播放器的可行区域。最后，我们证明数据收集器不能使用 NSZD 来进一步主导数据市场，从而导致隐私泄露恶化。数值模拟用于检查关键参数的影响和数据提供者可以是 NSZD 播放器的可行区域。最后，我们证明数据收集器不能使用 NSZD 来进一步主导数据市场，从而导致隐私泄露恶化。