发布时间 : 星期一 文章2018年美国大学生数学建模竞赛F题优秀论文翻译及解读更新完毕开始阅读27dba17f11a6f524ccbff121dd36a32d7375c7c8
私人信息（PI）是否与私人财产（PP）和知识产权（IP）类似？一旦合法获得，PI是否可以被出售或给予其他人？随着人类活动的详细信息和元数据对于社会越来越珍贵，尤其是在医学研究，疾病传播，救灾，企业（如营销，保险和收入），个人行为记录，信仰和身体活动等方面，这些数据和详细信息已经可能成为一种有价值和可量化的商品。交易自己的私人数据带有一系列的风险和收益，这些风险和收益可能因信息领域（例如购买信息，社交媒体信息，医疗信息）和人群（例如公民身份，专业背景，年龄）而有所不同。
我们能否量化整个社会电子通讯和交易的隐私成本？也就是说，保持PI的货币价值是多少，或者让其他人拥有或使用PI的成本是多少？是应该由政府调整这些信息还是留给隐私行业或个人去管理？这些信息和隐私问题是否只是个人决定，从而由个人评估自己的选择和提供自己的保护？
评估隐私成本时需要考虑以下几件事情。首先，数据是否涉及到公共利益？例如，疾病控制中心可以使用这些数据来追踪疾病的传播，以防止病情进一步的爆发。其他例子包括管理危险人群，如16岁以下的儿童，有自杀风险的人以及老人。此外，还要考虑一些试图隐藏自己活动的极端主义分子。为了国家安全，他们的数据是否可以由政府追踪？考虑一个人的浏览器，电话系统和互联网为他们订制的个性化的广告;这个定制值多少钱？
总的来说，在评估隐私成本时，我们需要考虑所有这些权衡。保持数据隐私的潜在收益是什么？保持数据隐私又会导致什么损失？
作为国家决策者的政策分析团队，您的团队的任务是：
任务1：在各种应用程序中制定保护个人隐私和PI的价格点。为了对此进行评估，您可能需要将个人划分到具有相似风险水平的人群或数据的相关领域中。为了准确地模拟风险，需要考虑哪些参数和措施从而阐明1）个人的特征，2）特定信息领域的特征？
任务2：从任务1，至少在三个领域（社交媒体，金融交易和健康/医疗记录）的隐私成本模型中给定一组参数和度量。在您的基础模型中，考虑保持数据隐私的权衡和风险如何影响您的模型。您可能会考虑给予一些权衡和风险以更大的权重，并按分组或类别对权重进行分层。考虑数据的不同基本要素（例如姓名，出生日期，性别，社会保障或公民身份号码）如何对您的模型作出贡献。这些元素中有些是否比其他元素更值钱？例如，一个名字的价值与附有该人的图片的名字的价值相比是多少？您的模型应该为PI设计一个定价结构。
任务3：不久之前，人们不知道哪个机构购买了PI，他们自己的PI值多少，或者PI如何使用。如今我们正在提出新的提案，将PI变成商品。利用您在任务2中产生的定价结构，为个人，团体和整个国家建立定价体系。随着数据成为受到市场波动影响的商品，考虑供需的力量是否合适？假设人们有控制权来销售他们自己的数据，这对模型又有何改变？
任务4：你的模型有哪些假设和限制？假设和约束条件应该解决诸如政府法规（例如价格法规，具体的数据保护等这些可能不受经济制度约束的某些记录）以及文化和政治等问题。根据你的模式和政治和文化的问题，考虑在考虑政策建议时是否应该把信息隐私作为基本的人权。通过引入人类决策随时间变化的动态因素（例如个人对自身数据价值（如姓名，地址，图片等个人数据）的个人信念，交易数据（如在线购买，搜索历史）和社交媒体数据（例如帖子，图片）），考虑在你的模型中引入一个动态元素。
任务5：在PI和数据隐私的风险收益比的观念上是否存在代际差异？随着年龄的增长，这是如何改变模型的？PI和PP和IP有什么不同？
任务6：如何解释人类数据高度相关的事实，并且每个人的行为往往与他人高度相关？一个人的数据可以提供他们在社交，专业，经济或人口统计方面的信息。因此，个人决定共享自己的数据会影响到无数其他人。有没有很好的方法来捕捉数据共享的网络效应？这是否会影响个人，人群和整个社会和国家的价格体系？如果社会共享隐私存在风险，社会是否有责任保护公民的PI？
任务7：考虑大量数据泄露的影响，数百万人的PI在暗网上被盗窃并出售。他们被作为身份盗窃环的一部分出售，或作为赎金使用。这样的PI损失或级联事件如何影响你的模型？现在您已经有一个定量系统来定量每个人或每个损失类型的数据的价值，那么数据泄露的机构是否应该对那些PI滥用或丢失PI的个人负责？ 任务8：根据你在这个问题上的策略模型，向决策者写一个两页的策略备忘录，介绍效用，结果和建议。请务必指定您的建议中包含哪些类型的PI 您的提交应包括：
一页摘要页， 两页备忘录，
您的解决方案不应超过20页，加上摘要和备忘录最多23页。
注意：参考列表和任何附录不计入23页的限制，他们应在完成的解决方案后出现。
2018年美赛F题优秀论文解读 2018年美国大学生数学建模竞赛有598支队伍选择了F题，其中有4支队伍获得了特等奖。他们分别是83744、87280、88508、93036，我们对这4篇特等奖论文进行了简单的分析，结果如下：
(1) 83744队伍首先对个人数据披露风险进行建模。为了深入了解如何量化这些风险，他们对每个子风险最重要因素进行了粗略估计。考虑到这些子风险的权重在社交媒体、金融交易和健康记录等不同的pi领域可能是不同的，他们采用层次分析法来量化给定的权重，并提出了一种用基本信息和盈利信息来量化PI数量的方法。通过讨论博弈中的均衡和约束，他们在不同的参数设置下预测每个市场的结果。并从经济学的角度讨论了PI是否应该成为一项基本人权，引入动态时间
对数据价值的影响，考虑代际风险感知差异对数据价值的影响。该模型为大规模数据泄露期间的决策提供了建议。最后，为了扩展PI网络效应模型，我们采用了基于图论的考虑信息外部性的网络仿真。
(2) 87280队伍先针对任务1，根据个人特征和信息领域选取26项指标来衡量隐私价格，并根据相关程度将其分为5类。对于任务2，他们采用现值法对隐私权的价值进行量化并为隐私定价。利用层次分析法和梯度增强决策树，通过Python语言计算参数的系数。然后建立高斯混合模型对信息相关值进行评价。最后，对500人的隐私信息进行了仿真，验证了该模型的可行性。任务3，他们给出了定价方法，引入了需求弹性系数，并分析了隐私信息具有更大的灵活性。任务4，随着时代的发展，风险因素将发生变化。通过添加动态因子，利用Matlab对风险系数的变化函数进行拟合。任务5，隐私的价值会随着年龄的增长而增加，然后稳定在一定的水平上。通过大量的文献资料，他们找出了PI、IP和PP在隐私市场中的关系。任务6，他们使用小世界模型和动态博弈论进行模拟和预测，发现随着市场的发展，个人和群体的隐私会被很大程度的泄露。任务7，数据泄漏的影响是长期的。代理机构可以使用精算模型来计算对个人的赔偿总额。在此基础上，他们向政府提出了一些建议。最后，对模型进行了灵敏度检验，验证了模型的稳定性。
(3) 88508队伍首先在个人范围、社区范围和国家范围上建立了PI定价模型。在第一步，他们收集了个人在社交媒体、金融活动、医疗和电子商务领域的基本特征，并定义了任务5中给出的PI、PP、IP。然后将熵权法与层次分析法相结合，确定了这四个领域的权重。然后在TOPSIS综合评价方法和PI一致性权衡的基础上，建立了基于个体范围的隐私价格模型。第二步，为了在社区范围上精确地测量PI的价格集，他们借鉴了多路树理论，考虑到任务的要求，我们精确量化了风险感知。考虑时间因素，将风险感知和马尔可夫链模型相结合，得到了风险感知的动态变化过程。在转移概率矩阵的计算中，我们使用了贝叶斯定理。在