論文の概要: The 2020 United States Decennial Census Is More Private Than You (Might) Think
- arxiv url: http://arxiv.org/abs/2410.09296v2
- Date: Wed, 29 Jan 2025 18:17:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-30 15:51:58.397236
- Title: The 2020 United States Decennial Census Is More Private Than You (Might) Think
- Title(参考訳): 2020年の米国国勢調査は、あなたより私的だ
- Authors: Buxin Su, Weijie J. Su, Chendi Wang,
- Abstract要約: 2020年の米国国勢調査は、その名目上の保証が示すよりもはるかに強力なプライバシー保護を提供している。
ノイズのばらつきを15.08%$から24.82%$に減らし、地理的レベルごとにほぼ同じレベルのプライバシー保護を維持できることを示した。
- 参考スコア(独自算出の注目度): 25.32778927275117
- License:
- Abstract: The U.S. Decennial Census serves as the foundation for many high-profile policy decision-making processes, including federal funding allocation and redistricting. In 2020, the Census Bureau adopted differential privacy to protect the confidentiality of individual responses through a disclosure avoidance system that injects noise into census data tabulations. The Bureau subsequently posed an open question: Could stronger privacy guarantees be obtained for the 2020 U.S. Census compared to their published guarantees, or equivalently, had the privacy budgets been fully utilized? In this paper, we address this question affirmatively by demonstrating that the 2020 U.S. Census provides significantly stronger privacy protections than its nominal guarantees suggest at each of the eight geographical levels, from the national level down to the block level. This finding is enabled by our precise tracking of privacy losses using $f$-differential privacy, applied to the composition of private queries across these geographical levels. Our analysis reveals that the Census Bureau introduced unnecessarily high levels of noise to meet the specified privacy guarantees for the 2020 Census. Consequently, we show that noise variances could be reduced by $15.08\%$ to $24.82\%$ while maintaining nearly the same level of privacy protection for each geographical level, thereby improving the accuracy of privatized census statistics. We empirically demonstrate that reducing noise injection into census statistics mitigates distortion caused by privacy constraints in downstream applications of private census data, illustrated through a study examining the relationship between earnings and education.
- Abstract(参考訳): アメリカ十年国勢調査は、連邦政府の予算配分や再編成など、多くの著名な政策決定プロセスの基礎となっている。
2020年には、国勢調査データ集計にノイズを注入する開示回避システムを通じて、個々の応答の機密性を保護するために、国勢調査局は差分プライバシーを採用した。
司法省はその後、公開の質問を投げかけた:2020年のアメリカ合衆国国勢調査では、公表された保証よりも強力なプライバシー保証が得られているか、あるいは同等に、プライバシー予算が完全に活用されているか?
本稿では、2020年の米国国勢調査が、国家レベルからブロックレベルまで8つの地理的レベルそれぞれに提案される明確な保証よりもはるかに強力なプライバシー保護を提供することを示すことで、この疑問に肯定的に対処する。
この発見は、これらの地理的レベルのプライベートクエリの構成に適用された$f$差分プライバシーを使用して、プライバシー損失の正確な追跡によって実現されている。
私たちの分析によると、2020年国勢調査の特定のプライバシー保証を満たすために、国勢調査局は必然的に高いレベルのノイズを導入しました。
その結果、各地理的レベルでのプライバシー保護とほぼ同じレベルを維持しつつ、ノイズ分散を15.08.%から24.82.%に減らし、民営化された国勢調査統計の精度を向上させることができた。
本研究では,センサス統計におけるノイズ注入の低減が,個人センサスデータの下流適用におけるプライバシー制約による歪みを軽減することを実証的に示し,収益と教育の関係について検討した。
関連論文リスト
- Quantifying Privacy Risks of Public Statistics to Residents of Subsidized Housing [28.493827954922885]
補助住宅の回答者は、強制退去を恐れて、故意に無許可の子供や他の世帯メンバーに言及しない可能性がある。
十年国勢調査と住宅都市開発省の公的統計を組み合わせることで、簡易で安価な復興攻撃を実演する。
我々の結果は、信頼できる正確な国勢調査を求める政策立案者にとって貴重な例である。
論文 参考訳(メタデータ) (2024-07-05T18:00:02Z) - 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) - Adaptive Privacy Composition for Accuracy-first Mechanisms [55.53725113597539]
ノイズ低減機構はますます正確な答えを生み出す。
アナリストは、公表された最も騒々しい、あるいは最も正確な回答のプライバシー費用のみを支払う。
ポスト前のプライベートメカニズムがどのように構成されるかは、まだ研究されていない。
我々は、分析者が微分プライベートとポストプライベートのメカニズムを適応的に切り替えることのできるプライバシーフィルタを開発した。
論文 参考訳(メタデータ) (2023-06-24T00:33:34Z) - 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) - 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) - 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) - 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) - PGLP: Customizable and Rigorous Location Privacy through Policy Graph [68.3736286350014]
我々はPGLPと呼ばれる新しい位置プライバシーの概念を提案し、カスタマイズ可能で厳格なプライバシー保証を備えたプライベートロケーションをリリースするためのリッチなインターフェースを提供する。
具体的には,ユーザの位置プライバシー要件を,表現的かつカスタマイズ可能なテキスト配置ポリシーグラフを用いて形式化する。
第3に、位置露光の検出、ポリシーグラフの修復、およびカスタマイズ可能な厳格な位置プライバシーを備えたプライベートな軌跡リリースをパイプライン化する、プライベートな位置トレースリリースフレームワークを設計する。
論文 参考訳(メタデータ) (2020-05-04T04:25:59Z)
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。