SELL DATA TO AI ALGORITHMS WITHOUT REVEALING IT: SECURE DATA VALUATION AND SHARING VIA HOMOMORPHIC ENCRYPTION
创建于 更新于
摘要
本文提出Trustworthy Influence Protocol (TIP)，将基于梯度的影响函数与CKKS同态加密结合，使买方在不解密卖方原始数据的情况下，得到精确的边际数据效用评分；通过LoRA低秩投影减小梯度维度，保证对BERT、GPT-2等模型的可扩展性，并在医疗与书籍市场仿真实验中验证了高保真度（医疗仿真相关性≈0.96）与数据效用的重尾分布特征，支持以效用为基础的差异化定价机制 [page::1][page::7][page::12]
