Fugu-MT 論文翻訳(概要): Census TopDown: The Impacts of Differential Privacy on Redistricting

論文の概要: Census TopDown: The Impacts of Differential Privacy on Redistricting

arxiv url: http://arxiv.org/abs/2203.05085v1
Date: Wed, 9 Mar 2022 23:28:53 GMT
ステータス: 処理完了
システム内更新日: 2023-02-19 15:31:02.051424
Title: Census TopDown: The Impacts of Differential Privacy on Redistricting
Title（参考訳）: Census TopDown: 差別的プライバシーが再差別に与える影響
Authors: Aloni Cohen, Moon Duchin, JN Matthews, Bhushan Suwal
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.3746889836344765
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The 2020 Decennial Census will be released with a new disclosure avoidance system in place, putting differential privacy in the spotlight for a wide range of data users. We consider several key applications of Census data in redistricting, developing tools and demonstrations for practitioners who are concerned about the impacts of this new noising algorithm called TopDown. Based on a close look at reconstructed Texas data, we find reassuring evidence that TopDown will not threaten the ability to produce districts with tolerable population balance or to detect signals of racial polarization for Voting Rights Act enforcement.
Abstract（参考訳）: 2020 Decennial Censusは、新しい開示回避システムと共にリリースされ、幅広いデータユーザーにとって、異なるプライバシが注目される。我々は,この新たなノーミングアルゴリズムであるTopDownの影響を懸念する実践者を対象に,Censusデータの再分別,ツール開発,実証におけるいくつかの重要な応用について検討する。再建されたテキサスのデータから、トップダウンは許容可能な人口バランスを持つ地区を造ることや、投票権法執行のための人種的分極のシグナルを検出できないという確証が得られた。

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)
Benchmarking Private Population Data Release Mechanisms: Synthetic Data vs. TopDown [50.40020716418472]
本研究では、TopDownアルゴリズムとプライベート合成データ生成を比較し、クエリの複雑さによる精度への影響を判定する。この結果から,TopDownアルゴリズムは,分散クエリに対して,評価したどの合成データ手法よりもはるかに優れたプライバシー-忠実トレードオフを実現することがわかった。
論文参考訳（メタデータ） (2024-01-31T17:38:34Z)
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)
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)
The Impact of the U.S. Census Disclosure Avoidance System on Redistricting and Voting Rights Analysis [0.0]
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。
論文参考訳（メタデータ） (2021-05-29T03:32:36Z)
Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
現在の顔認識(FR)モデルには、人口統計バイアスが存在する。さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
論文参考訳（メタデータ） (2021-03-16T15:05:49Z)
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。