[论文解读] 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 4

一句话总结

本文提出了一种针对2020年人口普查披露保护系统（DAS）的优化地理主干结构，通过减少主干外地理实体的估计误差，提升差分隐私微数据的准确性。通过重新定义街区组，并将特定地理单元（如原住民部落区、集体住区（GQ）、地方政府划分（MCD）和地方）纳入主干层级，该方法最小化了与主干的距离并控制了分支扩展（fan-out），从而降低了关键统计输出的均方误差。

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.

研究动机与目标

• 解决因地理实体远离标准地理主干而导致的差分隐私人口普查输出准确性下降的问题。
• 通过最小化关键地理实体与TDA（TopDown Algorithm）中所用内部主干的距离，降低汇总估计的均方误差（MSE）。
• 通过重新定义街区组和普查区组，控制分支扩展值（尤其是高覆盖度地理单元的分支扩展值），在计算效率与估计精度之间取得平衡。
• 确保具有法律与行政重要性的实体（如原住民部落区、 incorporated places、地方政府划分）被拉近主干，同时不损害差分隐私保证。
• 开发一种系统化、可审计的主干优化方法，以支持多个普查数据产品之间的一致性与高保真度统计输出。

提出的方法

• 使用TopDown Algorithm（TDA）在分层地理层级上生成差分隐私直方图，从美国全国层级开始，逐步细化至更细粒度的层级。
• 通过在州层级引入原住民部落主干分支，对传统地理主干（美国、州、县、普查区、街区组、街区）进行修改，以更好地体现部落区域。
• 通过将属于同一原住民部落、集体住区（GQ）、地方市政府划分（MCD）、地方、学区或传统街区组外实体（OSE）的街区进行分组，定义优化后的街区组。
• 通过将子地理单元（如街区）聚合为更高级别单元（如普查区子集、优化后的街区组），控制分支扩展值，防止噪声过度累积。
• 应用一种绕行算法（算法3），为每个主干地理单元分配隐私损失预算（PLB），在保持全局隐私预算的同时提升局部准确性。
• 通过引入来自E&P区域的原始地理单元（prim geounits）和普查区子集地理单元作为中间层级，进一步优化主干结构，实现更精确的聚合与噪声控制。

实验结果

研究问题

• RQ1 地理实体与内部主干的距离如何影响其差分隐私估计的均方误差（MSE）？
• RQ2 高分支扩展值对TDA中估计准确性有何影响？能否通过战略性地理单元重定义加以缓解？
• RQ3 将主干外实体（OSEs），如原住民部落区、集体住区（GQ）、地方市政府划分（MCD）和地方，纳入主干层级，能在多大程度上降低估计误差？
• RQ4 与2020年人口普查DAS中的传统主干相比，使用优化后的街区组和普查区子集如何提升估计准确性？
• RQ5 在设计定制化地理主干时，计算可行性、隐私预算分配与估计准确性之间存在何种权衡？

主要发现

• 可通过聚合街区以上层级单位且与主干距离更近的地理区域，在噪声估计中表现出显著更低的均方误差。
• 原住民部落主干分支通过将部落区域拉近内部主干，降低了其估计误差，显著提升了这些历史上代表性不足地理区域的准确性。
• 使用优化后的街区组有效降低了分支扩展值，并提升了对关键实体（如GQ、MCD和 incorporated places）的估计准确性。
• 2020年人口普查DAS最终优化后的主干结构在所有数据产品中均降低了估计误差，包括选区重划和家庭户普查（DHC）数据产品，通过使主干与具有法律和行政重要性的地理实体对齐。
• 算法3中的绕行算法成功分配了隐私损失预算，同时保持了全局隐私保证，并提升了高优先级地理区域的局部准确性。
• DHC数据产品所采用的主干结构（包含prim、普查区子集和优化街区组层级）相比标准主干，实现了更准确、更一致的汇总结果，尤其在小区域估计中表现更优。