論文の概要: Disclosure Avoidance for the 2020 Census Demographic and Housing Characteristics File

• arxiv url: http://arxiv.org/abs/2312.10863v1
• Date: Mon, 18 Dec 2023 00:54:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-18 11:57:39.083632
• Title: Disclosure Avoidance for the 2020 Census Demographic and Housing Characteristics File
• Title（参考訳）: 2020年国勢調査・住宅特性ファイルの開示回避
• Authors: Ryan Cumings-Menon, Robert Ashmead, Daniel Kifer, Philip Leclerc, Matthew Spence, Pavel Zhuravlev, John M. Abowd,
• Abstract要約: 本稿では,情報開示回避システム(DAS)が2020年国勢調査データ製品リリースを支援するために,公式にプライベートなアウトプットを生成するために使用する概念と手法について述べる。 デモグラフィック・ハウジング特性(DHC)ファイルのリリースに必要なDASの更新について述べる。 また、2020年国勢調査の機密集計のための信頼区間を提供するツールの開発を容易にするために、その後の実験データについても述べる。
• 参考スコア（独自算出の注目度）: 7.664548801662584
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In "The 2020 Census Disclosure Avoidance System TopDown Algorithm," Abowd et al. (2022) describe the concepts and methods used by the Disclosure Avoidance System (DAS) to produce formally private output in support of the 2020 Census data product releases, with a particular focus on the DAS implementation that was used to create the 2020 Census Redistricting Data (P.L. 94-171) Summary File. In this paper we describe the updates to the DAS that were required to release the Demographic and Housing Characteristics (DHC) File, which provides more granular tables than other data products, such as the Redistricting Data Summary File. We also describe the final configuration parameters used for the production DHC DAS implementation, as well as subsequent experimental data products to facilitate development of tools that provide confidence intervals for confidential 2020 Census tabulations.
• Abstract（参考訳）: The 2020 Census Disclosure Avoidance System TopDown Algorithm”において、Abowd et al (2022)は、2020 Censusデータ製品のリリースをサポートするために、正式にプライベートな出力を生成するために、ディスクロージャー回避システム(DAS)が使用する概念と手法を記述し、特に、2020 Census Redistricting Data (P.L.94-171) の要約ファイルを作成するために使用されたDAS実装に焦点を当てている。 本稿では,DHC(Demographic and Housing Characteristics)ファイルのリリースに必要なDASの更新について述べる。 また、DHC DAS実装の最終的な構成パラメータや、2020年国勢調査の機密集計のための信頼区間を提供するツールの開発を容易にするための実験データ製品についても述べる。

関連論文リスト

• Formal Privacy Guarantees with Invariant Statistics [8.133739801185271]
  2020年の米国国勢調査製品に触発されたこの論文は、DP出力と非民間統計の共同リリースに対応するために、差分プライバシー(DP)を拡張した。 私たちのフレームワークであるSemi-DPは、与えられた不変量に対応するデータセットに焦点を当てることで、隣接性を再定義します。 我々は、Semi-DPフレームワークを使用して、2020年12月の米国国勢調査のプライバシー分析を行い、効果的なプライバシー保証が広告よりも弱いことを明らかにした。
  論文  参考訳（メタデータ） (2024-10-22T22:50:17Z)
• Full-Information Estimation For Hierarchical Data [0.43512163406552007]
  アメリカ合衆国国勢調査局の2020年開示回避システム(DAS)はノイズ測定に基づく出力をベースとしている。 これらのノイズの測定は階層的な地理的単位、例えばアメリカ合衆国全体、州、郡、国勢調査区域、国勢調査ブロックで観測される。 本稿では、これらの雑音測定における階層構造を利用して、任意の集計のための信頼区間を計算する手法について述べる。
  論文  参考訳（メタデータ） (2024-04-19T20:18:16Z)
• Noisy Measurements Are Important, the Design of Census Products Is Much More Important [1.52292571922932]
  McCartan et al. (2023) は「国勢調査データユーザーのための差分プライバシー業務」を要求している。 このコメントは、2020年の国勢調査ノイズ計測ファイル(NMFs)が、この嘆願の最良の焦点ではない理由を説明している。
  論文  参考訳（メタデータ） (2023-12-20T15:43:04Z)
• A Geometric Notion of Causal Probing [91.14470073637236]
  言語モデルの表現空間では、動詞数のような概念に関するすべての情報が線形部分空間に符号化される。 理想線型概念部分空間を特徴づける内在的基準のセットを与える。 LEACEは概念情報の約半分を含む1次元の部分空間を返す。
  論文  参考訳（メタデータ） (2023-07-27T17:57:57Z)
• 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)
• Post-processing of Differentially Private Data: A Fairness Perspective [53.29035917495491]
  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。
  論文  参考訳（メタデータ） (2022-01-24T02:45:03Z)
• 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)
• BREEDS: Benchmarks for Subpopulation Shift [98.90314444545204]
  本研究では,人口変動に対するモデルのロバスト性を評価する手法を開発した。 既存のデータセットの基盤となるクラス構造を利用して、トレーニングとテストの分散を構成するデータサブポピュレーションを制御する。 この手法をImageNetデータセットに適用し、様々な粒度のサブポピュレーションシフトベンチマークスイートを作成する。
  論文  参考訳（メタデータ） (2020-08-11T17:04:47Z)
• 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)
• 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)
• Real-Time Regression with Dividing Local Gaussian Processes [62.01822866877782]
  局所ガウス過程は、ガウス過程の回帰に基づく新しい、計算効率の良いモデリング手法である。 入力空間の反復的データ駆動分割により、実際にはトレーニングポイントの総数において、サブ線形計算複雑性が達成される。 実世界のデータセットに対する数値的な評価は、予測と更新の速度だけでなく、精度の点で他の最先端手法よりも有利であることを示している。
  論文  参考訳（メタデータ） (2020-06-16T18:43:31Z)

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。