面向数据权利、数据定价和隐私计算的数据驱动学习

作     者：徐基珉 洪暖欣 许哲宁 赵洲 吴超 况琨 王嘉平 朱明杰 周靖人 任奎 杨小虎 卢策吾 裴健 沈向洋 Jimin Xu;Nuanxin Hong;Zhening Xu;Zhou Zhao;Chao Wu;Kun Kuang;Jiaping Wang;Mingjie Zhu;Jingren Zhou;Kui Ren;Xiaohu Yang;Cewu Lu;Jian Pei;Harry Shum

作者机构：College of Computer Science and TechnologyZhejiang UniversityHangzhou 310027China International Digital Economy AcademyShenzhen 518045China CraiditxShanghai 200050China AntgroupHangzhou 310023China Department of Computer Science and EngineeringShanghai Jiao Tong UniversityShanghai 200240China School of Computing ScienceSimon Fraser UniversityBurnabyBC V5A 1S6Canada 

出 版 物：《Engineering》 (工程(英文))

年 卷 期：2023年第25卷第6期

页      面：66-76,M0004页

核心收录：

学科分类：0402[教育学-心理学(可授教育学、理学学位）] 0303[法学-社会学] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0839[工学-网络空间安全] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 081201[工学-计算机系统结构] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：人工智能系统 隐私计算 机器学习 数据保护 传统生产要素 数据驱动学习 面向数据 人工智能算法 

摘      要：近年来,数据已成为数字经济中最重要的生产要素之一。与传统生产要素不同,数据的数字化性质使其难以合同和交易。因此,建立一个高效和标准的数据交易市场体系将有利于降低成本,提高行业各方的生产力。尽管许多研究致力于数据法规和其他数据交易问题,如隐私和定价,但很少有工作对机器学习和数据科学领域的这些研究进行全面回顾。为了提供对这个主题的完整和最新的理解,本文涵盖了数据交易过程中的三个关键问题:数据权利、数据定价和隐私计算。通过厘清这些主题之间的关系,本文提供了一个数据生态系统的全貌,其中数据由个人、研究机构和政府等数据主体生成,而数据处理者出于创新或运营目的获取数据,并通过适当的定价机制根据数据主体各自的所有权分配收益。为了使人工智能(AI)能够长期有益于人类社会的发展,人工智能算法需要通过数据保护法规(即隐私保护法规)进行评估,以帮助构建日常生活中值得信赖的人工智能系统。