跳到主要内容
返回时间线
arXiv来源发表:

跨境数据交换的规则本身不确定:LCNB把合规判断变成可计算的博弈,两个压力场景违规率降到1%以下

核心概要

大型机构里的机器学习智能体跨组织交换数据时,哪条法规适用往往并不确定,取决于数据主体居住地、处理地、所有者所在地与规则版本。LCNB把一次交换建模为带执法者的规则不确定转移博弈,智能体对适用规则持有贝叶斯信念,可付费解锁保障或核验对方声明,再用单调让步协议谈出剩余合法方案。在居住地与国籍不一致的三个压力场景中,有两个场景按国籍套用规则的违规率为21%至37%,LCNB为0.3%及以下;但在默认经济参数下它几乎只共享聚合数据,低违规率部分来自这一点。

Source-provided article image: Regime-Uncertain Data Transactions: A Game-Theoretic Framework for Self-Adapting and Self-Diagnosing Multi-ML-Agent Systems
arXiv

深度剖析

跨境数据交换的合规判断被拆成两件事:先推断哪条规则真正约束这笔转移,再在合法方案集合内谈出一个双方都接受的转移形式。 此前的做法要么按发送方所在地区套用规则,要么把记录当作居住地等于国籍来处理,两种做法都只读一个特征。 在居住地与国籍不一致的三个压力场景中,非欧洲居民住在欧盟、以及欧盟公民在境外且无欧盟规则约束这两个场景,按国籍套用规则的违规率分别为37%和21%,LCNB为0.3%及以下,诊断F1为0.93及以上。

规则以硬约束形式进入模型,每条规则给出各维度最低保护等级,重叠时逐维度取最严者,合法集合因此由每条记录的一个最小要求向量描述。 智能体看到的是可能缺失或出错的标签,以及对方可能虚报的保障能力,因此它先对真实属性做后验推断,只接受违规概率不超过容忍度的方案。 实验在合成模拟器中进行,规则库编码GDPR、DPDP、CCPA/CPRA与一个风格化的更严规则,每个场景5个随机种子、60个时间步,每步10条记录。

谈判环节用单调让步协议逼近纳什议价解,双方各自从最优帕累托报价出发,风险较小的一方做出刚好让对手风险更低的最小让步。 该协议在400点帕累托前沿测试中与纳什点一致,实验中每步耗时11至26轮。 在发送方价值取0.2、0.4、1.0的合并比较中,单调让步协议与纳什解的福利相同,Kalai–Smorodinsky略低。

启示与展望

结论建立在合成记录与风格化规则之上,规则取自公开文本但并非法律意见,作者明确不主张实际法律合规;实验只有一个发送方与接收方,运行规模为5个种子、60个时间步。

作者报告核验机制在所有配置中从未被触发,因此没有证据表明核验有帮助;解锁只在容忍度较高时带来小幅福利提升;默认参数下LCNB几乎只共享聚合数据,其零违规是弱证据;在低审计率下,违规方法的福利可以高于预言机,作者只作报告而不视为支持违规的结论。