論文の概要: Local Differential Privacy Meets Computational Social Choice -- Resilience under Voter Deletion

• arxiv url: http://arxiv.org/abs/2205.00771v2
• Date: Tue, 3 May 2022 09:07:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 16:36:01.552619
• Title: Local Differential Privacy Meets Computational Social Choice -- Resilience under Voter Deletion
• Title（参考訳）: 地域差分プライバシーと計算社会選択-投票削除下におけるレジリエンス
• Authors: Liangde Tao, Lin Chen, Lei Xu, Weidong Shi
• Abstract要約: 選挙前投票では、投票者の真の嗜好が明らかにされないように、ローカル差分プライバシー(LDP)機構が採用されている。 この場合、攻撃者は有権者の真の選好に関する情報のみを推測することができ、これが選挙結果の操作を著しく難しくする可能性がある。 本稿では, LDP 機構による攻撃者の操作コストと LDP 機構のない攻撃者の操作コストの差を定量的に測定する指標 PoLDP を提案する。
• 参考スコア（独自算出の注目度）: 11.126017928306123
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The resilience of a voting system has been a central topic in computational social choice. Many voting rules, like plurality, are shown to be vulnerable as the attacker can target specific voters to manipulate the result. What if a local differential privacy (LDP) mechanism is adopted such that the true preference of a voter is never revealed in pre-election polls? In this case, the attacker can only infer stochastic information about a voter's true preference, and this may cause the manipulation of the electoral result significantly harder. The goal of this paper is to provide a quantitative study on the effect of adopting LDP mechanisms on a voting system. We introduce the metric PoLDP (power of LDP) that quantitatively measures the difference between the attacker's manipulation cost under LDP mechanisms and that without LDP mechanisms. The larger PoLDP is, the more robustness LDP mechanisms can add to a voting system. We give a full characterization of PoLDP for the voting system with plurality rule and provide general guidance towards the application of LDP mechanisms.
• Abstract（参考訳）: 投票システムのレジリエンスは、計算社会選択における中心的なトピックである。 複数の投票ルールと同様に、攻撃者が特定の有権者をターゲットにして結果を操作できるため、多くの投票ルールが脆弱であることが示されている。 選挙前投票で投票者の真の嗜好が明らかにならないような、ローカル差分プライバシー(LDP)メカニズムが採用されたらどうだろう? この場合、攻撃者は有権者の真の選好に関する確率的な情報しか推測できないため、選挙結果の操作が著しく困難になる可能性がある。 本研究の目的は,投票システムにおける LDP メカニズムの導入効果について定量的に検討することである。 本稿では, LDP 機構による攻撃者の操作コストと LDP 機構がない場合の差を定量的に測定する指標 PoLDP (Power of LDP) を提案する。 より大きなPoLDPは、より堅牢なLDPメカニズムが投票システムに追加される可能性がある。 複数のルールで投票システムにPoLDPの完全な特徴を与え、LPP機構の適用に向けた一般的なガイダンスを提供する。

関連論文リスト

• Generative AI Voting: Fair Collective Choice is Resilient to LLM Biases and Inconsistencies [21.444936180683147]
  我々は、現実世界で初めて、直接民主主義における有権者の比例代表を示す。 また、平等な共有のような公正な投票集約手法は、より公平なAI表現を持つ人間に対するより公平な投票結果であることを示す。
  論文  参考訳（メタデータ） (2024-05-31T01:41:48Z)
• Publicly auditable privacy-preserving electoral rolls [0.32498796510544625]
  公に監査可能であるが、プライバシーを保護している選挙員を設計することの問題点について検討する。 この監査は、悪質な投票員による有権者に対する投票日ごとの詰め込みと拒否を検知することができる。 選挙全体は明らかにされていないため、大規模な組織的な投票者によるターゲティングと操作を妨げている。
  論文  参考訳（メタデータ） (2024-02-18T13:11:48Z)
• Efficient Weighting Schemes for Auditing Instant-Runoff Voting Elections [57.67176250198289]
  AWAIREは、適応的に重み付けされたテスト統計量であり、本質的には、テストに有効な仮説のセットを「学習」する。 我々は、より広範囲にスキームと設定を検討し、実践のための効率的な選択を特定し、推奨する。 現在のAWAIRE実装の制限は、少数の候補者に限られている。
  論文  参考訳（メタデータ） (2024-02-18T10:13:01Z)
• LLM Voting: Human Choices and AI Collective Decision Making [0.0]
  本稿では,大規模言語モデル (LLM) の投票行動,特に GPT-4 と LLaMA-2 について検討する。 投票方法の選択と提示順序がLLM投票結果に影響を及ぼすことがわかった。 さまざまな人格がこれらのバイアスの一部を減らし、人間の選択との整合性を高めることができることがわかった。
  論文  参考訳（メタデータ） (2024-01-31T14:52:02Z)
• Learning to Manipulate under Limited Information [44.99833362998488]
  私たちは、26サイズの70,000以上のニューラルネットワークをトレーニングし、8つの異なる投票方法に対処しました。 ボルダなど一部の投票手法は限られた情報を持つネットワークで高度に操作可能であるのに対して、Instant Runoffのような投票手法はそうではない。
  論文  参考訳（メタデータ） (2024-01-29T18:49:50Z)
• 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)
• Towards Secure Virtual Elections: Multiparty Computation of Order Based Voting Rules [5.156484100374059]
  電子投票システムの主な課題の1つは、計算結果がキャスト投票と一致していることを示すことである。 本稿では,秩序に基づく投票規則によって規制された選挙のためのセキュアな投票プロトコルを提案する。 我々のプロトコルは、必要な出力のみを発行するという意味で、完全な投票秘密を提供するが、キャスト投票に関する他の情報は明らかにしない。
  論文  参考訳（メタデータ） (2022-05-21T12:17:21Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• Lossless Compression of Efficient Private Local Randomizers [55.657133416044104]
  Locally Differentially Private (LDP) Reportsは、フェデレーション設定における統計と機械学習の収集に一般的に使用されます。 多くの場合、最もよく知られたldpアルゴリズムは、クライアントデバイスからサーバに強制的に大きなメッセージを送信する必要がある。 これにより、LDPアルゴリズムの通信コストの削減に大きく貢献しています。
  論文  参考訳（メタデータ） (2021-02-24T07:04:30Z)
• Modeling Voters in Multi-Winner Approval Voting [24.002910959494923]
  我々は,不確実性の度合いの異なる単入投票と多入投票の投票行動について検討した。 概して、人々はより良い結果を得るために投票を操作しているが、しばしば最適な操作を特定できない。 本稿では,勝利集合の大きさと人間の認知的制約を考慮に入れた新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-12-04T19:24:28Z)
• Voting-based Approaches For Differentially Private Federated Learning [87.2255217230752]
  この研究はPapernotらによる非フェデレーションプライバシ学習の知識伝達にインスパイアされている。 我々は,各局所モデルから返されるデータラベル間で投票を行うことで,勾配を平均化する代わりに2つの新しいDPFLスキームを設計する。 我々のアプローチはDPFLの最先端技術に対するプライバシーとユーティリティのトレードオフを大幅に改善します。
  論文  参考訳（メタデータ） (2020-10-09T23:55:19Z)

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。