論文の概要: Anomaly Detection and Automated Labeling for Voter Registration File
Changes
- arxiv url: http://arxiv.org/abs/2106.15285v1
- Date: Wed, 16 Jun 2021 21:48:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-04 23:37:47.958217
- Title: Anomaly Detection and Automated Labeling for Voter Registration File
Changes
- Title(参考訳): 投票登録ファイル変更のための異常検出と自動ラベリング
- Authors: Sam Royston, Ben Greenberg, Omeed Tavasoli, Courtenay Cotton
- Abstract要約: アメリカ合衆国大統領選挙における投票資格は、市民が投票する資格のある情報を含む州データベースのパッチワークによって決定される。
投票登録ファイル(VRF)の変更の監視は、米国の民主的プロセスを妨害したい悪意のあるアクターが、これらのファイルの内容を操作して目標を達成するよう、適切にアドバイスされることを考えると、極めて重要である。
本稿では、機械学習を利用して、投票者のロールを保護する際のアナリストや管理者の負担を軽減する方法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Voter eligibility in United States elections is determined by a patchwork of
state databases containing information about which citizens are eligible to
vote. Administrators at the state and local level are faced with the
exceedingly difficult task of ensuring that each of their jurisdictions is
properly managed, while also monitoring for improper modifications to the
database. Monitoring changes to Voter Registration Files (VRFs) is crucial,
given that a malicious actor wishing to disrupt the democratic process in the
US would be well-advised to manipulate the contents of these files in order to
achieve their goals. In 2020, we saw election officials perform admirably when
faced with administering one of the most contentious elections in US history,
but much work remains to secure and monitor the election systems Americans rely
on. Using data created by comparing snapshots taken of VRFs over time, we
present a set of methods that make use of machine learning to ease the burden
on analysts and administrators in protecting voter rolls. We first evaluate the
effectiveness of multiple unsupervised anomaly detection methods in detecting
VRF modifications by modeling anomalous changes as sparse additive noise. In
this setting we determine that statistical models comparing administrative
districts within a short time span and non-negative matrix factorization are
most effective for surfacing anomalous events for review. These methods were
deployed during 2019-2020 in our organization's monitoring system and were used
in collaboration with the office of the Iowa Secretary of State. Additionally,
we propose a newly deployed model which uses historical and demographic
metadata to label the likely root cause of database modifications. We hope to
use this model to predict which modifications have known causes and therefore
better identify potentially anomalous modifications.
- Abstract(参考訳): アメリカ合衆国大統領選挙における投票資格は、市民が投票する資格のある情報を含む州データベースのパッチワークによって決定される。
州や地方レベルの管理者は、それぞれの管轄区域が適切に管理されていることを保証するとともに、データベースの不正な変更の監視という極めて困難な課題に直面している。
投票登録ファイル(VRF)の変更の監視は、米国の民主的プロセスを妨害したい悪意のあるアクターが、これらのファイルの内容を操作して目標を達成するよう、十分に助言されることから、極めて重要である。
2020年には、米国史上最も論争の多い選挙の1つを統括するときに、選挙担当者が好意的に行動するのを見たが、アメリカ人が頼っている選挙システムの確保と監視には、まだまだ多くの作業が残っている。
時間とともにVRFのスナップショットを比較したデータを用いて、機械学習を利用して、投票者のロールを保護する際のアナリストや管理者の負担を軽減する一連の方法を提案する。
我々はまず, 異常な変化を希薄な付加雑音としてモデル化し, 多数の教師なし異常検出手法の有効性を評価した。
この設定では,短期間の行政区と非負の行列因子分解を比較した統計モデルが,異常事象のサーキングに最も有効であると結論づける。
これらの手法は、2019-2020年に当社の監視システムにデプロイされ、アイオワ州国務長官のオフィスと連携して使用されました。
さらに,データベース修正の根本原因をラベル付けするために,歴史メタデータと人口統計メタデータを用いた新展開モデルを提案する。
私たちはこのモデルを使って、どの修正が原因を知っているかを予測することを望んでいます。
関連論文リスト
- The Impact of Differential Feature Under-reporting on Algorithmic
Fairness [94.24956808302319]
解析的に抽出可能な差分特徴のアンダーレポーティングモデルを提案する。
そして、この種のデータバイアスがアルゴリズムの公正性に与える影響を特徴づける。
我々の結果は、実世界のデータ設定では、アンダーレポートが典型的に格差を増大させることを示している。
論文 参考訳(メタデータ) (2024-01-16T19:16:22Z) - Adaptively Weighted Audits of Instant-Runoff Voting Elections: AWAIRE [61.872917066847855]
即時投票(IRV)選挙の監査方法は、リスク制限や、各投票における投票の電子的記録であるキャスト投票記録(CVR)を必要とするものではない。
我々は,CVRが利用できない場合に,適応的に重み付けされたテストスーパーマーチンガルを用いてITV選挙を効率よく監査するRLA手法を開発した。
論文 参考訳(メタデータ) (2023-07-20T15:55:34Z) - New Algorithms and Applications for Risk-Limiting Audits [4.375873233252245]
リスク制限監査(RLA)は、選挙の正確性に対する信頼性を高める重要なツールである。
この研究は、古典的な(バレエレベルの)RLAをバッチで動作するものに変換するための、Batchcompと呼ばれる新しいジェネリックメソッドを提案する。
本稿では,既存のRLA手法であるALPHAを国勢調査に適用する手法に適用する。
論文 参考訳(メタデータ) (2023-05-06T13:34:39Z) - 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) - Novelty Detection for Election Fraud: A Case Study with Agent-Based
Simulation Data [6.692240192392746]
不正行為のないクリーンな選挙結果データセットと、不正行為の度合いの異なるデータセットを生成します。
このアルゴリズムは、投票結果の予測結果と実際の選挙結果の類似性を決定する。
シミュレーション手法と機械学習モデルの有効性を両立させ,不正領域の同定に成功した。
論文 参考訳(メタデータ) (2022-11-29T08:46:36Z) - Ballot-Polling Audits of Instant-Runoff Voting Elections with a
Dirichlet-Tree Model [23.14629947453497]
即時投票(Instant-runoff voting、IRV)は、世界中のいくつかの国で使用されている。
投票者は選好順に候補者をランク付けすることが必要であり、最初のペーストポストやスコアリングルールのようなシステムよりも複雑なカウントアルゴリズムを使用する。
さらに複雑なシステムであるSTV(Single Transferable vote)は、複数の候補者を選出する必要があるときに使用される。
現在、STVのリスク制限監査(RLA)法は、完全な手動による投票数以外には知られていない。
論文 参考訳(メタデータ) (2022-09-08T15:35:50Z) - Auditing Ranked Voting Elections with Dirichlet-Tree Models: First Steps [23.14629947453497]
ランク付けされた投票システムは世界中の多くの場所で使用されている。
フルハンドカウント以外に、STVのリスク制限監査(RLA)手法は知られていない。
本稿では,高次元パラメータを計算的に効率的に扱える統計モデルDirichlet-treeを用いたランキングシステムの監査手法を提案する。
論文 参考訳(メタデータ) (2022-06-29T13:06:42Z) - A New Bandit Setting Balancing Information from State Evolution and
Corrupted Context [52.67844649650687]
本稿では,2つの確立されたオンライン学習問題と包括的フィードバックを組み合わせた,逐次的意思決定方式を提案する。
任意の瞬間にプレーする最適なアクションは、エージェントによって直接観察できない基礎となる変化状態に付随する。
本稿では,レフェリーを用いて,コンテキストブレイジットとマルチアームブレイジットのポリシーを動的に組み合わせるアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-11-16T14:35:37Z) - 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) - Electoral Forecasting Using a Novel Temporal Attenuation Model:
Predicting the US Presidential Elections [91.3755431537592]
予備選別世論調査データを用いて予測精度を向上させる新しいマクロスケール時間減衰(TA)モデルを開発した。
我々の仮説は、世論調査を公表するタイミングは、特に選挙直前の世論の変動に重要な役割を果たす、というものである。
我々は,48年間の平均予測誤差2.8-3.28点を蓄積するTAモデルの2つの異なる実装を提案する。
論文 参考訳(メタデータ) (2020-04-30T09:21:52Z)
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。