Fugu-MT 論文翻訳(概要): Productionized Fairness Measurement Under Privacy Constraints

論文の概要: Productionized Fairness Measurement Under Privacy Constraints

arxiv url: http://arxiv.org/abs/2606.27558v1
Date: Thu, 25 Jun 2026 21:20:03 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-29 18:24:25.315952
Title: Productionized Fairness Measurement Under Privacy Constraints
Title（参考訳）: プライバシー制約下における生産的公正度測定
Abstract要約: 人種や民族の信号は、公正度の測定に役立てるのが難しい信号の1つである。本稿では、プライバシ保存型確率的人種・倫理性推定(PPRE)を、プライバシ保存方式で、米国LinkedInメンバーの人種・倫理性に関する公正度測定を可能にする方法として提示する。
参考スコア（独自算出の注目度）: 1.3146945258639022
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Fairness measurements in the form of disaggregated evaluations often rely on demographic signals that are legally constrained or culturally sensitive. Race and ethnicity signals are among the more difficult signals to curate and use for this task. This paper presents Privacy-Preserving Probabilistic Race/Ethnicity Estimation (PPRE) as a method for enabling fairness measurements with respect to race/ethnicity for U.S.\ LinkedIn members in a privacy-preserving manner. PPRE applies privacy technologies (specifically: secure two-party computation, differential privacy, and additive homomorphic encryption) on top of two race/ethnicity demographic signal sources (the Bayesian Improved Surname Geocoding estimator and a sparse golden survey set of self-reported demographics) to power a fairness measurement solution with respect to US-based race/ethnicity demographics. We detail its privacy guarantees and demonstrate its application on candidate- and viewer-side fairness measurements. We close with a transferable framework for institutions seeking to implement similar privacy-preserving measurement infrastructure.
Abstract（参考訳）: 不合理な評価の形での公平度の測定は、しばしば法的に制約されたり文化的に敏感な人口統計信号に依存している。人種や民族の信号は、このタスクをキュレートし、使用するのがより難しい信号の1つである。本稿では、プライバシ保存型確率的人種・倫理性推定(PPRE)を、米国におけるLinkedInメンバーの人種・倫理性に関する公正度測定を可能にする方法として提案する。 PPREは、2つの人種/民族的人口統計信号源(ベイジアン改良されたサーネームジオコーディング推定器と、自己申告された人口統計のスパースゴールデンサーベイセット)の上にプライバシー技術(具体的には、安全な二者計算、微分プライバシー、追加の同型暗号化)を適用し、米国ベースの人種/民族的人口統計に関する公正度測定ソリューションに電力を供給している。プライバシ保証について詳述し、候補側および視聴者側の公正度測定に応用を実演する。我々は、同様のプライバシー保護のための測定インフラを実装しようとする機関のための転送可能なフレームワークを閉鎖する。

関連論文リスト

How do we measure privacy in text? A survey of text anonymization metrics [14.08328402597163]
本研究では,テキストにおけるプライバシ保護を評価するための指標を,体系的な調査によって明らかにし,検討することを目的とする。 6つの異なるプライバシー概念を特定し比較し、関連するメトリクスがどのように異なるプライバシーリスクの側面を捉えているかを分析する。
論文参考訳（メタデータ） (2025-11-30T22:12:30Z)
Fairness Meets Privacy: Integrating Differential Privacy and Demographic Parity in Multi-class Classification [6.28122931748758]
差分プライバシーは、公平性保証に最小限の影響を与える公平性向上パイプラインに統合可能であることを示す。我々はDP2DPと呼ばれるポストプロセッシングアルゴリズムを設計し、人口統計と差分プライバシーの両方を強制する。分析の結果,我々のアルゴリズムは,文献から得られる最良な非私的手法と基本的に同じ割合で,その人口的平等目標に向かって収束していることが判明した。
論文参考訳（メタデータ） (2025-11-24T08:31:02Z)
Partial Identification Approach to Counterfactual Fairness Assessment [50.88100567472179]
未知の対実的公正度尺度を高い信頼性で有界化するためのベイズ的アプローチを導入する。以上の結果から、人種をアフリカ系アメリカ人に転換する際のCompASスコアに対する肯定的な(不快な)効果と、若年から高齢に移行する際の否定的な(直接的な因果関係)効果が明らかとなった。
論文参考訳（メタデータ） (2025-09-30T18:35:08Z)
Enforcing Demographic Coherence: A Harms Aware Framework for Reasoning about Private Data Release [14.939460540040459]
データプライバシに必要であると主張するプライバシ攻撃にインスパイアされた、人口統計コヒーレンスを導入します。我々のフレームワークは信頼性評価予測に重点を置いており、ほぼすべてのデータインフォームドプロセスから蒸留することができる。差分的にプライベートなデータリリースはすべて、人口統計学的にコヒーレントであること、および、差分的にプライベートではない人口統計学的にコヒーレントなアルゴリズムがあることを実証する。
論文参考訳（メタデータ） (2025-02-04T20:42:30Z)
Privacy-Preserving Race/Ethnicity Estimation for Algorithmic Bias Measurement in the U.S [3.1683419855527357]
本稿では,プライバシ保存型確率的レース/倫理性推定(PPRE)手法を提案する。 PPREはBayesian Improved Surname Geocoding(BISG)モデルと、自己報告された人口統計の少ないLinkedIn調査サンプルと、セキュアな2要素計算や差分プライバシーといったプライバシ強化技術を組み合わせたものだ。
論文参考訳（メタデータ） (2024-09-06T23:29:18Z)
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)
Estimation of Fair Ranking Metrics with Incomplete Judgments [70.37717864975387]
本研究では,4つの評価指標のサンプリング手法と推定手法を提案する。ラベル付きアイテムの数が極めて少ない場合でも動作可能な頑健で偏りのない推定器を定式化する。
論文参考訳（メタデータ） (2021-08-11T10:57:00Z)
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)
Differentially Private and Fair Deep Learning: A Lagrangian Dual Approach [54.32266555843765]
本稿では,個人の機密情報のプライバシを保護するとともに,非差別的予測器の学習を可能にするモデルについて検討する。この方法は、微分プライバシーの概念と、公正性制約を満たすニューラルネットワークの設計にラグランジアン双対性(Lagrangian duality)を用いることに依存している。
論文参考訳（メタデータ） (2020-09-26T10:50:33Z)
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)
Cross-ethnicity Face Anti-spoofing Recognition Challenge: A Review [79.49390241265337]
Chalearn Face Anti-Spoofing Detection Challengeは、シングルモーダル(例えば、RGB)とマルチモーダル(例えば、RGB、Depth、赤外線(IR))のトラックで構成されている。本稿では,その設計,評価プロトコル,結果の概要など,課題の概要について述べる。
論文参考訳（メタデータ） (2020-04-23T06:43:08Z)

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。