연구진은 시간 지향 지식 그래프 데이터 마켓플레이스의 정적 설계 문제점 세 가지를 지적했어요: 오래된 하이브리드 인덱스 단축 경로는 에지가 진화함에 따라 재현율을 감소시키고, 고정된 Shapley 가격 책정은 분포 변화 후 가치를 잘못 할당하며, 조정되지 않은 에이전트는 공유된 차등 개인 정보 예산(differential privacy budget)을 과도하게 소비해요.
CHRONOS는 공개 및 개인 정보 분리를 명시적으로 처리하는 세 계층 아키텍처를 제시하며, 첫 번째 계층은 신경 ODE 시간 감쇠를 적용하여 예상 재현율 손실 바운드를 제공하고, 두 번째 계층은 감지된 변경 지점을 기반으로 Shapley 가치를 조건부로 책정하고, 세 번째 계층은 EXP3-IX를 사용하여 후회(regret)를 최소화하고 차등 개인 정보를 시행해요.
CHRONOS는 각 에포크마다 가우시안 메커니즘을 사용하여 개인화된 어피니티 매트릭스를 공개하며, 검색 및 순위 결정은 사후 처리되어 추가적인 개인 정보 비용이 발생하지 않아요. 4가지 벤치마크에서 10개 항목당 0.937의 재현율, 초당 2.74개의 쿼리, 161ms의 지연 시간, delta가 10의 음6승일 때 총 epsilon 4.25를 달성했어요.