論文の概要: Post-processing of Differentially Private Data: A Fairness Perspective

• arxiv url: http://arxiv.org/abs/2201.09425v1
• Date: Mon, 24 Jan 2022 02:45:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-25 16:11:53.525989
• Title: Post-processing of Differentially Private Data: A Fairness Perspective
• Title（参考訳）: 微分プライベートデータの後処理:公正性の観点から
• Authors: Keyu Zhu, Ferdinando Fioretto, Pascal Van Hentenryck
• Abstract要約: 本稿では,ポストプロセッシングが個人やグループに異なる影響を与えることを示す。 差分的にプライベートなデータセットのリリースと、ダウンストリームの決定にそのようなプライベートなデータセットを使用するという、2つの重要な設定を分析している。 それは、異なる公正度尺度の下で(ほぼ)最適である新しい後処理機構を提案する。
• 参考スコア（独自算出の注目度）: 53.29035917495491
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Post-processing immunity is a fundamental property of differential privacy: it enables arbitrary data-independent transformations to differentially private outputs without affecting their privacy guarantees. Post-processing is routinely applied in data-release applications, including census data, which are then used to make allocations with substantial societal impacts. This paper shows that post-processing causes disparate impacts on individuals or groups and analyzes two critical settings: the release of differentially private datasets and the use of such private datasets for downstream decisions, such as the allocation of funds informed by US Census data. In the first setting, the paper proposes tight bounds on the unfairness of traditional post-processing mechanisms, giving a unique tool to decision-makers to quantify the disparate impacts introduced by their release. In the second setting, this paper proposes a novel post-processing mechanism that is (approximately) optimal under different fairness metrics, either reducing fairness issues substantially or reducing the cost of privacy. The theoretical analysis is complemented with numerical simulations on Census data.
• Abstract（参考訳）: プライバシー保証に影響を与えることなく、任意のデータ非依存の出力への変換を可能にする。 ポストプロセッシングは、国勢調査データを含むデータリリースアプリケーションに日常的に適用され、社会に重大な影響を及ぼすようなアロケーションに使用される。 本稿では,ポストプロセッシングが個人やグループに異なる影響を与えることを示し,差分プライベートデータセットのリリースと,米国国勢調査データによる資金配分などの下流決定のためのプライベートデータセットの利用という,2つの重要な設定を分析した。 筆者らはまず,従来のポストプロセッシングメカニズムの不公平性に厳密な制約を課し,意思決定者に対して,リリースによる異質な影響を定量化するためのユニークなツールを提案する。 本稿では, 公正度基準の相違により(ほぼ)最適であり, 公平度問題を大幅に低減するか, プライバシコストを低減させる新しいポストプロセッシング機構を提案する。 理論解析は、国勢調査データ上の数値シミュレーションと補完される。

関連論文リスト

• Fairness Issues and Mitigations in (Differentially Private) Socio-demographic Data Processes [43.07159967207698]
  本稿では,グループレベルの推定値に不均一に影響を及ぼすサンプリング誤差について,重要な社会的関連性を調査した。 そこで本研究では,現実のサーベイ設計プロセスに基づく最適化手法を提案する。 サンプリングレートを決定するために使用されるプライバシー保護手法は、これらの公平性問題にさらに影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2024-08-16T01:13:36Z)
• Differentially Private Data Release on Graphs: Inefficiencies and Unfairness [48.96399034594329]
  本稿では,ネットワーク情報公開の文脈における偏見と不公平性に対する差別的プライバシの影響を特徴づける。 ネットワーク構造が全員に知られているネットワークリリースの問題を考えるが、エッジの重みをプライベートにリリースする必要がある。 我々の研究は、これらのネットワーク化された決定問題におけるプライバシーに起因する偏見と不公平性に関する理論的根拠と実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2024-08-08T08:37:37Z)
• DP2-Pub: Differentially Private High-Dimensional Data Publication with Invariant Post Randomization [58.155151571362914]
  本稿では,2つのフェーズで動作する差分プライベートな高次元データパブリッシング機構(DP2-Pub)を提案する。 属性をクラスタ内凝集度の高い低次元クラスタに分割し、クラスタ間の結合度を低くすることで、適切なプライバシ予算を得ることができる。 また、DP2-Pubメカニズムを、ローカルの差分プライバシーを満たす半正直なサーバでシナリオに拡張します。
  論文  参考訳（メタデータ） (2022-08-24T17:52:43Z)
• Distribution-Invariant Differential Privacy [4.700764053354502]
  本研究では,高い統計的精度と厳密な差分プライバシーを両立する分布不変民営化法(DIP)を提案する。 同じ厳密なプライバシー保護の下で、DIPは2つのシミュレーションと3つの実世界のベンチマークで優れた統計的精度を達成する。
  論文  参考訳（メタデータ） (2021-11-08T22:26:50Z)
• 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)
• Bias and Variance of Post-processing in Differential Privacy [53.29035917495491]
  後処理免疫は、差分プライバシーの基本的な性質である。 ポストプロセッシングはバイアスをもたらし、ばらつきを増大させるとしばしば主張される。 本稿では,後処理の特性を理解するための第一歩を踏み出す。
  論文  参考訳（メタデータ） (2020-10-09T02:12:54Z)
• Differential Privacy of Hierarchical Census Data: An Optimization Approach [53.29035917495491]
  国勢調査局(Census Bureaus)は、個人に関する機密情報を明らかにすることなく、大人口に関する社会経済的データをまとめて公開することに興味を持っている。 最近の出来事では、これらの組織が直面しているプライバシー上の課題がいくつか特定されている。 本稿では,階層的な個人数を解放する新たな差分プライバシ機構を提案する。
  論文  参考訳（メタデータ） (2020-06-28T18:19:55Z)

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。