隐私上设备后，广告竞价为何会失控？一项关于预算与激励错位的审计

导语

把广告竞价或其他机器学习驱动的决策放到用户设备上，通常被视为保护隐私、降低数据集中风险的重要路径。但决策一旦分散，预算状态也很难保持全局实时一致：服务器掌握的是延迟余额，设备却可能依据过时信息继续参与竞价。Hugging Face Daily Papers 收录的一项研究，专门审计了这种“信息结构错位”会如何影响端侧拍卖。

核心发现

• 延迟会把常规 pacing 变成超支风险。 研究构建了包含36个 campaign、50台设备的拍卖逻辑仿真，并使用30组配对需求路径进行比较。在原始的20倍预算压力设定下，比例型 Even pacing 在一个时间单位的滞后后超支17.77%，滞后50个时间单位时超支达到1669.31%。即使预算压力降至两倍，50个时间单位滞后仍带来106.95%的超支。
• “看得见自己的余额”并不等于全局安全。 可见预算加上无销售保护机制，在零延迟、整数分数单位的粒度下可以实现合规；但只要存在一个时间单位的延迟，其他设备已经产生的扣款仍不可见，超支仍达到11.88%。这说明问题不是单一客户端的余额检查，而是并发扣款缺少共享、及时的状态。
• 支付单位改变后，激励也可能错位。 当 ML 或 pacing 分数的变换同时改变支付单位，研究报告称，在一个时间单位延迟的条件下，98.23%的对手竞价案例存在有利可图的偏离。一个可执行的实现级反例进一步指出，获胜者价格可能错误地受到第二名竞标者 multiplier 的影响。
• 替代支付规则只能解决部分问题。 基于临界基础出价的支付，在当前 multiplier 已知的前提下具备单次拍卖的 DSIC 性质，但这不等于动态环境中的诚实性保证，也不能修复基础价值排序不一致。

意义与影响

这项工作提醒系统设计者：端侧隐私架构不能只迁移模型推理，还必须重新设计预算记账、并发控制和支付规则。降低同步延迟当然有帮助，但研究中的结果表明，即使只有一个时间单位的滞后，也可能造成可测量的预算偏差；单纯在设备端加入余额护栏，无法观察其他设备的未同步支出。

更稳妥的方向包括条件化的单次扣款上限、有限窗口内的风险界定、可验证的支付计算，以及将基础价值与 pacing 分数明确区分。研究还给出了有限窗口下的预期额外扣款界，并在有界价值单元中观察到正的成对 slack。不过，这些结果属于仿真和机制分析，不应直接等同于真实货币市场中的损失预测。它们更重要的价值在于揭示：隐私、去中心化和经济机制之间存在需要共同校验的耦合关系。

来源：Hugging Face Daily Papers