嘉宾简介：

Xingyu Fu is a Lecturer (Assistant Professor) at the School of Marketing, UNSW Business School, the University of New South Wales, Sydney. He holds a PhD in Operations Management from HKUST Business School. His research interests include socially responsible/sustainable operations, the marketing-operations interface, and the economics of AI. His research has been published/under revision in journals such as Manufacturing & Service Operations Management, Naval Research Logistics, and Service Science.

讲座简介：

问题定义：个性化产品推荐对于在线平台至关重要，但潜在的推理攻击会带来隐私风险。为了解决这些问题， 研究者提出了遵循差异隐私约束的推荐策略。方法和结果：研究者开发了一个理论模型，其中推荐策略根据从个人数据中学习到的消费者偏好排名来选择产品进行推荐。与主要关注满足消费者满意度的传统推荐策略不同，课题研究的方法应用差别隐私以减轻通过通信网络（例如互联网）传输推荐时将个人信息暴露给中间人攻击者的风险。因此，该政策考虑了个性化和隐私之间的权衡。研究分析表明，最佳策略是粗粒度阈值策略，其根据产品的偏好排名是高于还是低于某个阈值，以高或低的概率随机推荐产品。经进一步探索了该阈值在具有大量产品的渐近状态下的比较静态分析。此外，课题组还研究了隐私保护的经济影响。当产品价格是外生的，隐私保护会降低消费者剩余，因为消费者和推荐产品之间的匹配值较低。然而，当零售商内生定价时，对消费者剩余的影响是非单调的，反映了推荐准确性和价格上涨之间的权衡。管理和监管影响：研究结果为制定隐私保护个性化推荐政策的从业者提供了宝贵的见解，并为监管机构提供了对推荐系统中隐私保护的经济后果的更深入了解。