Transparent Privacy is Principled Privacy
Transparent Privacy is Principled Privacy
复制标题
透明的隐私是有原则的隐私
DOI：
10.1162/99608f92.b5d3faaa
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Gong, Ruobin
中科院分区：
文献类型：
--
作者：
Gong, Ruobin
在一个技术性的处理，本文建立了透明的隐私的必要性，为广泛的科学问题绘制无偏见的统计推断。透明性是差异隐私的一个显著特征：数据私有化的概率机制可以在不破坏隐私保证的情况下公开。从总的调查误差的角度来看，由于透明隐私的不确定性可以被认为是一个动态的和可控的组件。由于2020年美国十年一次的人口普查采用差异隐私，通过优化对私有化数据产品施加的限制对透明度构成威胁，并导致统计可用性有限。透明隐私为从私有化数据发布中进行原则性推理提供了一条可行的途径，并在现代数据管理中显示出改善可重复性、问责制和公众信任的巨大希望。
In a technical treatment, this article establishes the necessity of transparent privacy for drawing unbiased statistical inference for a wide range of scientific questions. Transparency is a distinct feature enjoyed by differential privacy: the probabilistic mechanism with which the data are privatized can be made public without sabotaging the privacy guarantee. Uncertainty due to transparent privacy may be conceived as a dynamic and controllable component from the total survey error perspective. As the 2020 US Decennial Census adopts differential privacy, constraints imposed on the privatized data products through optimization constitute a threat to transparency and result in limited statistical usability. Transparent privacy presents a viable path toward principled inference from privatized data releases, and shows great promise toward improved reproducibility, accountability, and public trust in modern data curation.
登录
查看更多内容
影响因子：
6.3
作者：
Blackwell, Matthew;Honaker, James;King, Gary
通讯作者：
King, Gary
统计智慧的七大支柱
DOI：
10.1080/09332480.2018.1438714
发表时间：
2018
期刊：
CHANCE
影响因子：
--
作者：
C. Robert
通讯作者：
C. Robert
使用统计数据保护隐私
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
A. Karr;Jerome P. Reiter
通讯作者：
Jerome P. Reiter
DOI：
10.1145/3412815.3416892
发表时间：
2020
期刊：
Proceedings of the 2020 ACM-IMS Foundations of Data Science Conference
影响因子：
--
作者：
Gong, Ruobin;Meng, Xiao-Li
通讯作者：
Meng, Xiao-Li
DOI：
10.29012/jpc.797
发表时间：
2019-09
期刊：
J. Priv. Confidentiality
影响因子：
--
作者：
Ruobin Gong
通讯作者：
Ruobin Gong