基于推断人口属性的广告投放偏差审计

审计社交媒体算法已成为公共利益研究和政策制定的重点，以确保其在就业机会呈现等关键领域对不同人口群体(如种族、年龄和性别)的公平性。然而，此类人口属性通常对审计人员和平台不可用。当人口数据不可用时，审计人员通常从其他可用信息推断它们。在本工作中，我们研究了推断误差对审计广告投放偏差的影响，具体应用为使用配对广告的黑盒审计。我们表明，如果未加以考虑，推断误差会导致审计错误地遗漏已存在的偏差。然后我们提出了一种在评估广告投放算法偏差时减轻推断误差的方法。该方法通过调整因人口推断而产生的预期误差来工作，当属性必须被推断时，它使偏差检测更加敏感。由于推断越来越多地用于审计，我们的结果为审计工具箱提供了重要补充，以促进对广告投放算法偏差的正确审计。虽然属性推断对准确性的影响已在其他领域被研究，但我们的工作是第一个在仅向审计人员提供聚合数据时，考虑其对广告投放偏差黑盒评估的影响。