論文の概要: The Complexities of Differential Privacy for Survey Data

• arxiv url: http://arxiv.org/abs/2408.07006v1
• Date: Tue, 13 Aug 2024 16:15:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-14 16:55:31.500767
• Title: The Complexities of Differential Privacy for Survey Data
• Title（参考訳）: サーベイデータにおける差分プライバシーの複雑さ
• Authors: Jörg Drechsler, James Bailie,
• Abstract要約: アメリカ合衆国国勢調査局は、2020年12月の国勢調査にこの概念を採用したと発表した。 その魅力的な理論的特性にもかかわらず、実際にDPを実装することは、特に調査データに関して難しいままである。 調査の文脈でDPを採用する際に考慮すべき5つの側面を識別する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The concept of differential privacy (DP) has gained substantial attention in recent years, most notably since the U.S. Census Bureau announced the adoption of the concept for its 2020 Decennial Census. However, despite its attractive theoretical properties, implementing DP in practice remains challenging, especially when it comes to survey data. In this paper we present some results from an ongoing project funded by the U.S. Census Bureau that is exploring the possibilities and limitations of DP for survey data. Specifically, we identify five aspects that need to be considered when adopting DP in the survey context: the multi-staged nature of data production; the limited privacy amplification from complex sampling designs; the implications of survey-weighted estimates; the weighting adjustments for nonresponse and other data deficiencies, and the imputation of missing values. We summarize the project's key findings with respect to each of these aspects and also discuss some of the challenges that still need to be addressed before DP could become the new data protection standard at statistical agencies.
• Abstract（参考訳）: ディファレンシャル・プライバシ(DP)の概念は近年注目されており、特にアメリカ合衆国国勢調査局が2020年12月の国勢調査でこの概念の採用を発表して以来、注目されている。 しかし、その魅力的な理論的特性にもかかわらず、特に調査データに関して、実際にDPを実装することは困難である。 本稿では,調査データに対するDPの可能性と限界を探求する,米国国勢調査局による進行中のプロジェクトの結果について述べる。 具体的には、データ生産の多段階的な性質、複雑なサンプリング設計によるプライバシー増幅の制限、調査重み付け推定の影響、非応答性やその他のデータ不足に対する重み付け調整、欠落値の計算という、調査文脈でDPを採用する際に考慮すべき5つの側面を識別する。 それぞれの側面について,プロジェクトの重要な成果を要約するとともに,DPが統計機関で新たなデータ保護基準となる前に解決すべき課題について論じる。

関連論文リスト

• Differentially Private Finite Population Estimation via Survey Weight Regularization [0.8192907805418583]
  有限個体数推定のための微分プライベートな手法を開発した。 本研究では,DP 調査対象の平均所得推定値の公表に最適な手法は,経年変化よりもノイズの少ない命令を必要とすることを示す。
  論文  参考訳（メタデータ） (2024-11-06T20:04:22Z)
• 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)
• Synthetic Census Data Generation via Multidimensional Multiset Sum [7.900694093691988]
  我々は、Censusの統計データのみから合成マイクロデータを生成するツールを提供する。 我々は,本手法が実際にうまく機能していることを示し,その性能を説明する理論的議論を行う。
  論文  参考訳（メタデータ） (2024-04-15T19:06:37Z)
• Federated Experiment Design under Distributed Differential Privacy [31.06808163362162]
  我々は,サービス提供者に対する信頼を最小限にしつつ,ユーザのプライバシの厳格な保護に注力する。 現代のA/Bテストにおいて重要な要素であるが、これまではプライベート分散実験は研究されていない。 これらのメカニズムは、実際に一般的に見られる非常に多くの参加者を扱うために、どのようにスケールアップできるかを示す。
  論文  参考訳（メタデータ） (2023-11-07T22:38:56Z)
• A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
  プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。 これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。 差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
  論文  参考訳（メタデータ） (2023-09-27T14:38:16Z)
• The Impact of De-Identification on Single-Year-of-Age Counts in the U.S. Census [1.6114012813668932]
  2020年、アメリカ合衆国国勢調査局は、データスワッピングからディファレンシャル・プライバシ(DP)に移行した。 学校計画の活用事例に着目し,スワップとDPが国勢調査データに与える影響を比較検討した。 以上の結果から, DP を1 年数に置き換える上でのDP の利用が期待できる。 私たちが調査した学校の計画ユースケースでは、DPは、改善されていないとしても同等の精度で、スワップよりも正確であり、透明性の改善など他のメリットを提供します。
  論文  参考訳（メタデータ） (2023-08-24T15:56:05Z)
• How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
  DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。 プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
  論文  参考訳（メタデータ） (2022-11-18T11:39:03Z)
• 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)
• 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)
• 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)
• 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。