基于 $\texttt{AttributeRiskCalculation}$ R 包的合成数据属性披露风险的贝叶斯估计
统计方法学
2021-03-18 v1 统计计算
摘要
合成数据是许多情形下隐私保护的一种有前景的方法。贝叶斯合成模型（也称为合成器）从其 posterior 预测分布中模拟敏感变量的合成值。所得合成数据可代替机密数据发布。合成数据发布前的一项重要评估是其隐私保护水平，通常表现为披露风险评估。属性披露指入侵者正确推断合成记录的机密值，是一类难以计算评估的披露。本文我们详细回顾并讨论了一些用于属性披露风险评估的贝叶斯估计方法，并给出常用贝叶斯合成器的示例。我们创建了 R 包以方便其实现，并通过消费者支出调查合成样本中属性披露风险评估的示例展示其功能。
引用
@article{arxiv.2103.09805,
title = {Bayesian Estimation of Attribute Disclosure Risks in Synthetic Data with the $\texttt{AttributeRiskCalculation}$ R Package},
author = {Ryan Hornby and Jingchen Hu},
journal= {arXiv preprint arXiv:2103.09805},
year = {2021}
}
备注
34 pages, 17 figures