論文の概要: The Impact of the U.S. Census Disclosure Avoidance System on
Redistricting and Voting Rights Analysis
- arxiv url: http://arxiv.org/abs/2105.14197v3
- Date: Fri, 20 Aug 2021 14:26:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-28 12:11:51.494446
- Title: The Impact of the U.S. Census Disclosure Avoidance System on
Redistricting and Voting Rights Analysis
- Title（参考訳）: アメリカ合衆国国勢調査開示回避制度が再編成と投票権分析に及ぼす影響
- Authors: Christopher T. Kenny (1), Shiro Kuriwaki (1), Cory McCartan (2), Evan
Rosenman (3), Tyler Simko (1), Kosuke Imai (1 and 2) ((1) Department of
Government, Harvard University, (2) Department of Statistics, Harvard
University, (3) Harvard Data Science Initiative)
- Abstract要約: 米国国勢調査局は、2020年国勢調査の回答者のプライバシーを、情報開示回避システム(DAS)を通じて保護する計画だ。
保護されたデータは、目的を再限定するのに十分な品質ではないことが分かりました。
分析の結果,DASが保護するデータは,投票者の投票率や党派・人種構成に応じて,特定の領域に偏っていることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The US Census Bureau plans to protect the privacy of 2020 Census respondents
through its Disclosure Avoidance System (DAS), which attempts to achieve
differential privacy guarantees by adding noise to the Census microdata. By
applying redistricting simulation and analysis methods to DAS-protected 2010
Census data, we find that the protected data are not of sufficient quality for
redistricting purposes. We demonstrate that the injected noise makes it
impossible for states to accurately comply with the One Person, One Vote
principle. Our analysis finds that the DAS-protected data are biased against
certain areas, depending on voter turnout and partisan and racial composition,
and that these biases lead to large and unpredictable errors in the analysis of
partisan and racial gerrymanders. Finally, we show that the DAS algorithm does
not universally protect respondent privacy. Based on the names and addresses of
registered voters, we are able to predict their race as accurately using the
DAS-protected data as when using the 2010 Census data. Despite this, the
DAS-protected data can still inaccurately estimate the number of
majority-minority districts. We conclude with recommendations for how the
Census Bureau should proceed with privacy protection for the 2020 Census.
- Abstract（参考訳）: 米国国勢調査局(US Census Bureau)は、2020年国勢調査の回答者のプライバシーを、その情報開示回避システム(DAS)を通じて保護する計画だ。
dasで保護された2010年の国勢調査データに再帰的シミュレーションと分析手法を適用することで、保護されたデータは再帰的目的のために十分な品質を持っていないことが判明した。
入射騒音は、州が1人1票の原則を正確に遵守することが不可能であることを示す。
分析の結果,DASで保護されたデータは,投票者の投票率や党派・人種構成によって特定の領域に偏りがあり,これらの偏見は,党派・人種的ゲリマンダーの分析において大きく予測不能な誤りをもたらすことがわかった。
最後に,DASアルゴリズムは応答性プライバシーを普遍的に保護しないことを示す。
登録有権者の名前と住所に基づいて、2010年国勢調査のデータのようにDASで保護されたデータを用いて、彼らの人種を正確に予測することができる。
それにもかかわらず、DASが保護したデータは依然として多数派マイノリティ地区の数を不正確に見積もることができる。
我々は、2020年国勢調査のプライバシー保護に関して、国勢調査局がどのように進むべきかを推奨する。
関連論文リスト
- The 2020 United States Decennial Census Is More Private Than You (Might) Think [25.32778927275117]
我々は、2020年国勢調査のプライバシー予算の8.50%から13.76%が8つの地理的レベルごとに使われていないことを示した。
我々は、地理的レベルで同じプライバシー予算を維持しながら、ノイズ分散を15.08%から24.82%削減する。
論文 参考訳（メタデータ） (2024-10-11T23:06:15Z) - Understanding and Mitigating the Impacts of Differentially Private Census Data on State Level Redistricting [4.589972411795548]
データ利用者は、2020年のDASで差分プライバシーを採用したことで動揺した。
我々は、プライバシー保護ノイズの影響について、データユーザーが懸念する可能性のある2つの再制限設定について検討する。
ノイズを考慮しなければ、アナリストが誤った結論を出す可能性があることを観察する。
論文 参考訳（メタデータ） (2024-09-10T18:11:54Z) - Evaluating Bias and Noise Induced by the U.S. Census Bureau's Privacy
Protection Methods [0.0]
アメリカ合衆国国勢調査局は、国勢調査統計の正確さと個々の情報の保護との間に難しいトレードオフに直面している。
我々は,2つの主要な開示回避システムによって誘導されるバイアスとノイズの独立評価を行う。
TopDownのポストプロセッシングはNMFノイズを劇的に低減し、スワップの精度に類似したデータを生成する。
論文 参考訳（メタデータ） (2023-06-13T03:30:19Z) - Design and analysis of tweet-based election models for the 2021 Mexican
legislative election [55.41644538483948]
選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。
地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
論文 参考訳（メタデータ） (2023-01-02T12:40:05Z) - Comment: The Essential Role of Policy Evaluation for the 2020 Census
Disclosure Avoidance System [0.0]
Boyd and Sarathy, "Differential Perspectives: Epistemic Disconnects around around the US Census Bureau's Use of Differential Privacy"
Census Disclosure Avoidance Systemの実証的な評価は、ベンチマークデータが人口数の基本的真実ではないことを認識できなかった、と我々は主張する。
データユーティリティとプライバシ保護の間には、政策立案者が重要なトレードオフに直面しなければならない、と我々は主張する。
論文 参考訳（メタデータ） (2022-10-15T21:41:54Z) - No Free Lunch in "Privacy for Free: How does Dataset Condensation Help
Privacy" [75.98836424725437]
データプライバシを保護するために設計された新しい手法は、慎重に精査する必要がある。
プライバシ保護の失敗は検出し難いが,プライバシ保護法を実装したシステムが攻撃された場合,破滅的な結果につながる可能性がある。
論文 参考訳（メタデータ） (2022-09-29T17:50:23Z) - Releasing survey microdata with exact cluster locations and additional
privacy safeguards [77.34726150561087]
本稿では,プライバシ保護を付加した独自のマイクロデータの有用性を活用した,代替的なマイクロデータ配信戦略を提案する。
当社の戦略は, 再識別の試みにおいても, 任意の属性に対する再識別リスクを60～80%削減する。
論文 参考訳（メタデータ） (2022-05-24T19:37:11Z) - Census TopDown: The Impacts of Differential Privacy on Redistricting [0.3746889836344765]
我々は、Censusデータの再分割におけるいくつかの重要な応用について考察する。
われわれはTopDownが許容可能な人口収支を持つ地区を生産する能力を脅かさないという確実な証拠を見つける。
論文 参考訳（メタデータ） (2022-03-09T23:28:53Z) - Decision Making with Differential Privacy under a Fairness Lens [65.16089054531395]
アメリカ国勢調査局は、多くの重要な意思決定プロセスの入力として使用される個人のグループに関するデータセットと統計を公表している。
プライバシと機密性要件に従うために、これらの機関は、しばしば、プライバシを保存するバージョンのデータを公開する必要がある。
本稿では,差分的プライベートデータセットのリリースについて検討し,公平性の観点から重要な資源配分タスクに与える影響を考察する。
論文 参考訳（メタデータ） (2021-05-16T21:04:19Z) - Leveraging Administrative Data for Bias Audits: Assessing Disparate
Coverage with Mobility Data for COVID-19 Policy [61.60099467888073]
管理データのリンクによって,バイアスに対するモビリティデータの監査が可能かを示す。
我々は、高齢者や非白人の有権者が移動データによって捕えられる可能性が低いことを示した。
このような移動データに基づく公衆衛生資源の配分は、高リスク高齢者や少数民族に不当に害を与える可能性があることを示す。
論文 参考訳（メタデータ） (2020-11-14T02:04:14Z) - Magnify Your Population: Statistical Downscaling to Augment the Spatial
Resolution of Socioeconomic Census Data [48.7576911714538]
重要社会経済的属性の詳細な推定を導出する新しい統計的ダウンスケーリング手法を提案する。
選択された社会経済変数ごとに、ランダムフォレストモデルが元の国勢調査単位に基づいて訓練され、その後、微細なグリッド化された予測を生成するために使用される。
本研究では,この手法を米国の国勢調査データに適用し,ブロック群レベルで選択された社会経済変数を,300の空間分解能のグリッドにダウンスケールする。
論文 参考訳（メタデータ） (2020-06-23T16:52:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。