[論文レビュー] Geographic Spines in the 2020 Census Disclosure Avoidance System

Ryan Cumings-Menon, John M. Abowd+6 more|arXiv (Cornell University)|Mar 30, 2022

Data-Driven Disease Surveillance被引用数 4

ひとこと要約

本稿では、2020年国勢調査の開示回避システム（DAS）における最適化された地理的スプライン（geographic spine）を提案し、スプラインから離れた地理的エンティティの推定誤差を低減することで、微分プライバシーを適用したマイクロデータの精度を向上させることを目的としている。ブロックグループを再定義し、AIAN先住民部族地域、GQ（非家族居住施設）、MCD（小規模行政区分）、および場所といった標的地理的単位をスプライン階層に統合することで、スプラインからの距離を最小化し、ファンアウト（fan-out）を制御し、主要統計出力の平均二乗誤差（MSE）を低減する。

ABSTRACT

The 2020 Census Disclosure Avoidance System (DAS) is a formally private mechanism that first adds independent noise to cross tabulations for a set of pre-specified hierarchical geographic units, which is known as the geographic spine. After post-processing these noisy measurements, DAS outputs a formally private database with fields indicating location in the standard census geographic spine, which is defined by the United States as a whole, states, counties, census tracts, block groups, and census blocks. This paper describes how the geographic spine used internally within DAS to define the initial noisy measurements impacts accuracy of the output database. Specifically, tabulations for geographic areas tend to be most accurate for geographic areas that both 1) can be derived by aggregating together geographic units above the block geographic level of the internal spine, and 2) are closer to the geographic units of the internal spine. After describing the accuracy tradeoffs relevant to the choice of internal DAS geographic spine, we provide the settings used to define the 2020 Census production DAS runs.

研究の動機と目的

• 標準的な地理的スプラインから離れた地理的エンティティにおいて、微分プライバシーを適用した国勢調査出力の精度が低下する問題に対処すること。
• トップダウンアルゴリズム（TDA）で使用される内部スプラインからの距離を最小化することで、集計推定値の平均二乗誤差（MSE）を低減すること。
• 特に高カバレッジの地理的単位におけるファンアウト値を制御するため、ブロックグループとトレクトグループを再定義することで、計算効率と推定精度のバランスを取ること。
• 法的および行政的に重要なエンティティ（例：AIAN先住民部族地域、指定都市、小規模行政区分）がスプラインに近づくようにすることを保証しつつ、微分プライバシーの保証を損なわないこと。
• 一貫性があり、高精度な統計出力が複数の国勢調査データ製品で得られるようにする、体系的かつ監査可能なスプライン最適化手法の開発

提案手法

• トップダウンアルゴリズム（TDA）を用いて、米国レベルから始まり、より細分化された地理的レベルへと段階的に微分プライバシーを適用したヒストグラムを生成する。
• 従来の地理的スプライン（米国、州、郡、トレクト、ブロックグループ、ブロック）を、州レベルにAIANスプライン分岐を導入することで変更し、先住民地域の表現を改善する。
• 最適化されたブロックグループは、同じAIAN、GQ、MCD、場所、学区、または従来のブロックグループ外エンティティ（OSE）に属するブロックをグループ化することで定義される。
• 子となる地理的単位（例：ブロック）をより高いレベルの単位（例：トレクトサブセット、最適化されたブロックグループ）に集約することで、ファンアウト値を制御し、過剰なノイズ蓄積を防ぐ。
• 各スプラインの地理的単位にプライバシー損失予算（PLB）を割り当てるためのバイパスアルゴリズム（アルゴリズム3）を適用し、グローバルプライバシー予算を維持しながら、局所的な精度を向上させる。
• さらに、E&Pエリアからのプライム地理的単位およびトレクトサブセット地理的単位を中間レベルとして導入することで、スプラインを洗練させ、より正確な集計とノイズ制御を可能にする。

実験結果

リサーチクエスチョン

• RQ1 地理的エンティティが内部スプラインからどれほど離れているかが、その微分プライバシー推定値の平均二乗誤差（MSE）にどのように影響を与えるか？
• RQ2 TDAにおける高いファンアウト値が推定精度に与える影響は何か？ そして、地理的単位の戦略的再定義によってどのように緩和できるか？
• RQ3 AIAN先住民部族地域、GQ、MCD、場所などのスプライン外エンティティ（OSE）をスプライン階層に統合することで、推定誤差をどの程度低減できるか？
• RQ4 最適化されたブロックグループとトレクトサブセットを用いることで、2020年国勢調査DASにおける従来のスプラインと比較して、精度がどの程度向上するか？
• RQ5 カスタム地理的スプラインを設計する際、計算可能性、プライバシー予算配分、推定精度の間にはどのようなトレードオフがあるか？

主な発見

• ブロックレベル以上の単位の集約によって得られる地理的領域で、かつスプラインに近い領域は、ノイズの多い推定値において顕著に低い平均二乗誤差（MSE）を示す。
• AIANスプライン分岐により、先住民地域の推定誤差が低減され、歴史的に代表が不足していた地理的領域の精度が向上した。
• 最適化されたブロックグループの使用により、ファンアウト値が低減され、GQ、MCD、指定都市などの主要エンティティの推定精度が向上した。
• 2020年国勢調査DAS用に最終的に最適化されたスプラインは、全データ製品において推定誤差を低減し、特に赤istrictingおよびDHC（世帯構成調査）において顕著に効果を示した。
• アルゴリズム3に実装されたバイパスアルゴリズムは、グローバルプライバシー保証を維持しながら、プライバシー損失予算を適切に割り当て、特に優先度の高い地理的領域の局所的精度を向上させた。
• DHCデータ製品で使用されたスプライン（プライム地理的単位、トレクトサブセット、最適化されたブロックグループを含む）は、標準スプラインよりもより正確かつ一貫性のある集計を可能にした。特に小地域の推定において顕著な改善が見られた。