通过先验预测截断改进泊松分布差分隐私合成数据的效用——以CDC WONDER为例
应用统计
2021-03-08 v1 统计方法学
摘要
CDC WONDER是一个基于网络的工具，用于发布国家生命统计系统收集的流行病学数据。尽管CDC WONDER具有内置的隐私保护，但其不满足差分隐私等形式化隐私保护，因此易受针对性攻击。鉴于在保护底层数据主体隐私的同时提供高质量公共卫生数据公开的重要性，我们旨在利用公开可用信息截断合成数据的取值范围，从而改进一种近期提出的泊松分布差分隐私合成数据生成方法的效用。具体而言，我们利用美国人口普查局的县级人口信息以及CDC编制的国家死亡报告，为县级死亡率提供先验分布并推断泊松分布的县级死亡计数的合理范围。如此一来，在给定隐私预算下满足差分隐私的要求可降低数个数量级，从而带来效用的显著提升。为说明我们提出的方法，我们考虑一个数据集，其包含来自宾夕法尼亚州超过26,000例癌症相关死亡，涉及超过47,000种死因与人口统计学变量（如年龄、种族、性别和居住县）的组合，并展示了所提框架保留真实数据中存在的地理、城乡和种族差异等特征的能力。
引用
@article{arxiv.2103.03833,
title = {Improving the Utility of Poisson-Distributed, Differentially Private Synthetic Data via Prior Predictive Truncation with an Application to CDC WONDER},
author = {Harrison Quick},
journal= {arXiv preprint arXiv:2103.03833},
year = {2021}
}