論文の概要: Redistricting from the Bottom Up: Sampling Communities of Interest with Differential Privacy
- arxiv url: http://arxiv.org/abs/2606.14453v1
- Date: Fri, 12 Jun 2026 13:39:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 16:00:42.914782
- Title: Redistricting from the Bottom Up: Sampling Communities of Interest with Differential Privacy
- Title（参考訳）: ボトムアップから再限定:異なるプライバシーを持つ関心のコミュニティをサンプリングする
- Authors: Atticus McWhorter, Caroline Hammond, Nianqiao Phyllis Ju, Daryl DeFord,
- Abstract要約: 我々は、利害関係者の証言を取り入れた再制限計画を作成するために、差分プライバシーを利用することを提案する。
また,COIインフォームドサンプリングは,非フォームドベースラインと実行計画に優れることを示した。
また、COIの保存力の強い地域は、少数派や民主党の表現を均等に広げる傾向にあることもわかりました。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Independent Redistricting Commissions (IRCs) are a promising tool for bottom-up redistricting, but their public testimony processes are vulnerable to adversarial manipulation. We propose using differential privacy to draw redistricting plans that incorporate community of interest (COI) testimonies while remaining robust to adversarial input. Treating individual testimonies as data points, we use the marked edge walk to sample from differentially private distributions of redistricting plans via the exponential mechanism. We introduce two score functions and demonstrate that both can be targeted by MEW across a range of privacy budgets. Applying this method to Missouri's mid-cycle redistricting using 808 COI testimonies, we show that COI-informed sampling outperforms an uninformed baseline and the enacted plan. An adversarial experiment demonstrates that the method can be robust to attacks under certain privacy budgets and may perform better in practice than formal group privacy guarantees imply. We also find that stronger COI preservation tends to spread minority and Democratic representation more evenly across districts.
- Abstract（参考訳）: 独立再分権委員会(IRC)はボトムアップ再分権のための有望なツールであるが、彼らの公的な証言プロセスは敵の操作に対して脆弱である。
本稿では,コミュニティ・オブ・関心 (COI) の証言を取り入れつつ,敵対的入力に頑健なままに再限定計画を作成するために,差分プライバシを用いることを提案する。
個々の証言をデータポイントとして扱うことで、指数的メカニズムを通じて計画の再限定の異なるプライベート分布から、マークされたエッジウォークをサンプリングする。
2つのスコア関数を導入し、両者が様々なプライバシー予算でMEWによって標的にできることを示す。
この手法を808 COI 証言を用いたミズーリの中サイクル再分権化に適用することにより,COI インフォームドサンプリングが非インフォームドベースラインと実行計画より優れていることを示す。
敵対的な実験は、この手法が特定のプライバシー予算の下での攻撃に対して堅牢であり、正式なグループのプライバシー保証が意味するよりも実践的に優れていることを実証している。
また、COIの保存力の強い地域は、少数派や民主党の表現を均等に広げる傾向にあることもわかりました。
関連論文リスト
- 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) - Differentially Private Online Community Detection for Censored Block Models: Algorithms and Fundamental Limits [55.162623894523826]
検閲ブロックモデル(CBM)を用いた動的コミュニティにおけるプライベートオンライン変更検出問題について検討する。
地域と中央の両方でエッジディファレンシャルプライバシ(DP)を考察し,両シナリオで共同で変更検出とコミュニティ推定手法を提案する。
論文 参考訳（メタデータ） (2024-05-09T12:35:57Z) - TernaryVote: Differentially Private, Communication Efficient, and
Byzantine Resilient Distributed Optimization on Heterogeneous Data [50.797729676285876]
本稿では, 3次圧縮機と多数決機構を組み合わせて, 差分プライバシー, 勾配圧縮, ビザンチンレジリエンスを同時に実現するternaryVoteを提案する。
提案アルゴリズムのF差分プライバシー(DP)とビザンチンレジリエンスのレンズによるプライバシー保証を理論的に定量化する。
論文 参考訳（メタデータ） (2024-02-16T16:41:14Z) - Multiscale Parallel Tempering for Fast Sampling on Redistricting Plans [1.1233768932957773]
説得力のある方法は、計画と中立に描画された再限定計画のアンサンブルを比較することである。
アンサンブルと所定の計画との党派差を監査するためには、非党派基準が一致していることを保証する必要がある。
本研究では,各スケールで局所移動を行うマルチスケール並列テンパリング手法を提案する。
論文 参考訳（メタデータ） (2024-01-30T21:33:05Z) - LoLep: Single-View View Synthesis with Locally-Learned Planes and
Self-Attention Occlusion Inference [66.45326873274908]
本稿では,1枚のRGB画像から局所学習平面を回帰してシーンを正確に表現するLoLepを提案する。
MINEと比較して、LPIPSは4.8%-9.0%、RVは73.9%-83.5%である。
論文 参考訳（メタデータ） (2023-07-23T03:38:55Z) - Auditing Fairness by Betting [43.515287900510934]
我々は,デプロイされた分類モデルと回帰モデルの公平性を評価するための,実用的で効率的で非パラメトリックな手法を提供する。
我々の手法は逐次的であり、入ってくるデータの継続的なモニタリングを可能にする。
提案手法の有効性を3つのベンチマークフェアネスデータセットに示す。
論文 参考訳（メタデータ） (2023-05-27T20:14:11Z) - FedLAP-DP: Federated Learning by Sharing Differentially Private Loss Approximations [53.268801169075836]
我々は,フェデレーション学習のための新しいプライバシ保護手法であるFedLAP-DPを提案する。
公式なプライバシー分析は、FedLAP-DPが典型的な勾配共有方式と同じプライバシーコストを発生させることを示している。
提案手法は, 通常の勾配共有法に比べて高速な収束速度を示す。
論文 参考訳（メタデータ） (2023-02-02T12:56:46Z) - Untangling the Dueling Expert Witnesses: Comparing Ensemble Methods in
Pennsylvania's Redistricting Plans [0.0]
ランダムな選挙区の集合は、提案された地区計画が外れているか、ゲリーマンダーであるかを評価する貴重な手段である。
最近のオープンソース手法は、専門家証人証言の独立した検証を可能にしている。
我々は「レッドリスト」と「ジェリーチェーン」を用いて計算されたペンシルベニア州下院と議会選挙区のアンサンブルを比較した。
論文 参考訳（メタデータ） (2022-08-18T00:03:40Z) - Mathematically Quantifying Non-responsiveness of the 2021 Georgia
Congressional Districting Plan [3.097163558730473]
並列テンパリング法とReComを併用したメトロポリケートサンプリング手法を応用した。
ジョージア州における地区計画の最初の事例研究を通じて、これらの改善を開拓する。
我々の分析では、ジョージア州の選挙は、この制定された計画の下で、確実に9人の共和党員と5人の民主党員を選出すると予想している。
論文 参考訳（メタデータ） (2022-03-13T02:58:32Z) - Implications of Distance over Redistricting Maps: Central and Outlier Maps [10.318010762465939]
代表制民主主義では、各選挙区が代表を選出する地区に分割するために、再分権地図が選択される。
有効な再分級写像は、コンパクトで連続であり、ほぼ同値な集団であるような制約の集合を満たさなければならない。
これにより、党派議会が不公平に有利な地図を選択することで、ジェリーマンダーを許すことができる。
論文 参考訳（メタデータ） (2022-03-02T04:59:30Z) - Local Relation Learning for Face Forgery Detection [73.73130683091154]
局所的関係学習による顔の偽造検出の新たな視点を提案する。
具体的には,局所的な特徴間の類似度を測定するMPSM(Multi-scale Patch similarity Module)を提案する。
また、より包括的な局所特徴表現のために、RGBおよび周波数領域の情報を融合するRGB-Frequency Attention Module (RFAM)を提案する。
論文 参考訳（メタデータ） (2021-05-06T10:44:32Z)
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。