为什么公司不使用在线设备ML来提供保护隐私的广告呢？

Question

广告清单可以存储在云中。然后，在设备ML上使用一个进程将广告匹配到用户，以便向正确的用户提供最佳的广告。

1. 这有什么限制吗？(我正计划开发一个应用程序，使用TFLite和CoreML提供广告服务，这样用户的隐私就可以得到保护。)
2. TFLite中的模型能否通过设备上的用户数据进行更新，从而帮助模型保持与用户行为的相关性而又不像苹果的CoreML那样损害隐私？

Answer 1

有几个问题：

• 在服务器端提供广告的问题是，他们处理有关用户的信息，因此可能会干扰他们的隐私，甚至在某些情况下会违反一些隐私法律。将算法转移到客户端(例如移动应用程序)的建议解决了这个问题，但产生了相反的问题:现在您需要将所有有关添加到客户端应用程序的数据上传到客户端应用程序。这可能会有问题，因为这可能会暴露您公司的公司机密(谁是您的客户，他们想向用户(广告的目标群体)显示什么样的添加)。你的客户，谁支付了广告可能不喜欢它。你的竞争对手可能会利用这一点来获得比你更多的优势。
• 另一个问题是，提供广告是为了使用户与广告相匹配。在客户端，您只能与用户匹配广告。假设你的客户因为你向用户展示了10K个广告而付钱，如果你在用户端分配广告，你将无法直接控制显示准确的10K广告，这样你就可以通过显示那些没有付费的广告来节省金钱。当然，有办法解决这个问题，但这是一个需要考虑的问题。在现实生活中，这变得更加复杂，因为广告通常以投注的方式提供(谁支付的钱更多，广告显示的是谁)，不同的客户下注制作广告，算法决定最优的份额，从而使展示广告的收益最大化。在这种情况下，不仅你无法控制全球收益，因为你只做本地优化决策，而且你需要将赌注发送到客户端应用程序，因此再次分享关于客户的敏感信息(他们为广告付费多少)。
• 第三件事是，即使客户端应用做出了决定，它可能仍然需要查询广告数据库来下载用户匹配广告。我想，你可以向后设计这个来了解用户的特点，给出算法分配给他们的广告，所以最终，这可能不会保护隐私。作为替代，您可以将所有的广告发送给用户，并将其存储在应用程序数据库中，但这样您就需要用户存储大量的数据，以便向他们展示您的广告。我怀疑用户会喜欢这个。
• 最后，我不确定广告销售企业是否最关心用户隐私，即他们是否会关心。

Answer 2

是的，这是可以做到的。

然而，仍有一些方面需要考虑：

• 信息隔离:对于用户和广告提供商公司，敏感信息应尽可能地与其源隔离。因此，您不应该向服务器端发送原始用户数据，也不应该向客户端发送广告公司信息(请注意，对此问题的其他回答似乎假设将对隐私敏感的计算移到设备上意味着所有处理都是在设备上完成的，但这并不一定是正确的)。您可以计算设备上的用户敏感部分，例如计算“用户表示”，然后将结果发送到服务器端，以便完成其余的计算和广告分配。“用户表示”。
• 设备能量消耗:在设备上运行大量计算可能会导致电池消耗增加，从而导致用户感知不良，从而导致广告收入下降。

最后，可以更新TFLite模型。根据您使用TFLite的方式，您可以在服务器上托管您的模型，并从客户端下载它(如果在设备上的版本的时间戳比上一个可用的版本更早的话)和像往常一样加载模型文件。如果使用Firebase MLkit，则支持宿主模型同样的。