多模態資料估值

深度分析

QoS感知代幣排程結合差分隱私的多模態資料估值：提升邊緣 AI 公平性與隱私保護

隨著AI服務向邊緣移轉，使用者資料分散卻缺乏公平資源分配。研究提出結合差分隱私的多模態語意嵌入與token‑bucket排程，將資料價值以代幣形式衡量。模擬顯示在貢獻不均時仍能維持公平性並提升QoS，同時增強圖像重建防護。同時支援去中心化資料市場的代幣交易。