Bayesian Pseudo Posterior Synthesis for Data Privacy Protection
统计机构利用模型合成响应级别的数据,作为实际数据记录的替代方案向公众发布。贝叶斯模型合成器通过采用分层先验构造来编码隐私保护,该分层先验构造引起真实数据分布的平滑。由于研究人员和数据分析师的许多可能用途,合成响应级数据记录通常比汇总数据表更受欢迎。各机构在综合数据的效用与披露风险之间进行权衡,并在发布综合数据集之前为披露风险设定具体的目标阈值。我们引入了一个伪后验似然,它通过(0,1)中的观察记录索引权重对每个贡献进行指数化,定义为与合成数据中该记录的披露风险成反比。我们使用的向量的权重允许更精确的降权的高风险记录的方式,更好地保留效用相比,使用标量权重。我们说明了我们的方法与模拟研究和应用程序的消费者支出调查的美国劳工统计局。我们演示了如何频率的一致性和不确定性量化的影响,由逆风险加权。
2020-05-15 math.ST stat.AP stat.ME
An Energy-Driven Framework for Privacy-Aware Synthetic Data Generation
Italian National Institute of Statistics (ISTAT)(意大利国家统计局)
提出一种能量驱动框架,通过约束随机探索结合可解释性惩罚,在混合类型数据中平衡统计保真度与披露风险,实现隐私感知的合成数据生成。
2026-11-06 stat.ME
On integrating the number of synthetic data sets $m$ into the 'a priori' synthesis approach
直到最近,多个合成数据集总是发布给分析师,以允许获得有效的推论。然而,在某些条件下-包括使用饱和计数模型合成分类数据时-单次插补($m=1$)就足够了。尽管如此,增加$m$会导致效用提高,但代价是更高的风险,这是风险-效用权衡的一个例子。因此,问题是:就风险-效用权衡而言,$m$的哪个值是最优的?此外,本文考虑了两种分析分类数据集的方法:由于它们具有列联表表示,因此可以在分析前对多个分类数据集进行平均,而不是通常的平均分析后的方法。本文还介绍了一对度量,$τ_3(k,d)$和$τ_4(k,d)$,适用于评估披露风险的多分类合成数据集。最后,对综合方法进行了实证分析.
2022-05-12 stat.ME
A normal-inverse-Wishart (NIW) Bayesian synthesizer for multivariate normal data with application to polygenic risk scores
Aalborg University(奥尔堡大学);Aalborg University Hospital(奥尔堡大学医院)
本文提出基于正态-逆Wishart先验的多元正态数据贝叶斯合成器,揭示合成数据泄露风险与原始数据集规模、特征维度及合成信息量的关系,并将其应用于多基因风险评分数据集生成。
2026-09-03 math.PR stat.ME
Dirichlet Process Mixture Models for Modeling and Generating Synthetic Versions of Nested Categorical Data
本文提出了一个估计多变量分类数据的联合分布的贝叶斯模型。这种数据经常出现在社会科学背景下,例如,生活在家庭中的人。该模型假设(i)每个组是组级潜在类的成员,以及(ii)每个单元是嵌套在其组级潜在类内的单元级潜在类的成员。该结构允许模型捕获同一组中的单元之间的依赖性。它还有助于在组和单元级别同时对变量进行建模。我们开发了一个版本的模型,将零概率分配给具有物理上不可能的变量组合的组和单元。我们应用该模型来估计在美国社区调查的一个子集中的多变量关系。使用估计的模型,我们生成的合成家庭数据,可以传播为编辑的公共使用文件,具有高分析有效性和低披露风险。本文的补充材料可在线获取。
2016-10-28 stat.ME
Using saturated count models for user-friendly synthesis of categorical data
在过去三十年中,用于统计披露控制的合成数据方法不断发展,但主要是在调查数据集领域。行政数据库的某些特点,例如其规模,从综合角度来看构成挑战,需要特别注意。本文通过对饱和计数模型的拟合,提出了一种适用于双参数调整的行政数据库的综合方法。该方法允许大的分类数据集被快速合成,并允许风险和效用度量得到满足的先验,即,在合成数据生成之前。本文探讨了如何利用双参数计数模型(负二项和泊松逆高斯)提供的灵活性来保护受访者的隐私,特别是独特的隐私。最后,一个实证的例子是通过一个数据库,可以被看作是一个很好的替代英国学校普查的综合。
2022-05-12 stat.ME
PSInference: A Package to Draw Inference for Released Plug-in Sampling Single Synthetic Dataset
针对统计披露控制领域单一合成数据集推断工具缺失的问题,提出PSInference程序包,可对多元正态假设下插补采样生成的单一合成数据开展含协方差结构多维度检验的精确推断分析。
2025-03-18 stat.AP stat.CO stat.ME
Generation and analysis of synthetic data via Bayesian networks: a robust approach for uncertainty quantification via Bayesian paradigm
本文提出基于完全贝叶斯范式的 Bayesian networks 合成数据生成与分析方法,利用后验预测分布、Monte Carlo 算法和惩罚先验实现可靠的不确定性量化。
2024-03-01 stat.ME
Synthesizing geocodes to facilitate access to detailed geographical information in large scale administrative data
我们调查生成合成数据是否可以为外部研究人员提供访问详细地理编码信息的可行策略,而不会影响数据库中包含的单位的机密性。我们的工作受到德国就业研究所(IAB)最近一个项目的启发,该项目将精确的地理编码与综合就业传记(IEB)联系起来,IEB是一个包含数百万条记录的大型行政数据库。我们评估了三个合成器的性能,在保持分析有效性和限制披露风险之间的权衡:一个合成器采用狄利克雷过程混合物的产品的多项式(DPMPM),而其他两个使用不同版本的分类和回归树(CART)。在保持分析有效性方面,我们提出的基于分类CART模型的地理编码合成策略优于其他两个。如果由分类CART合成器生成的合成数据的风险被认为太高,我们证明,合成额外的变量是解决风险效用权衡在实践中的首选策略,相比限制回归树的大小或依赖于仅在聚合水平上提供地理信息的策略。我们还提出了战略,使合成器可扩展的大文件,目前的分析有效性措施和披露风险措施所产生的数据,并提供一般建议,统计机构考虑合成数据的方法传播详细的地理信息。
2020-08-21 stat.AP stat.ME
Differentially Private Verification of Survey-Weighted Estimates
针对合成数据验证服务器可能泄露机密调查记录的问题,本文提出一种满足差分隐私、适用于复杂调查加权估计的验证度量,并通过模拟证明其可有效反馈合成数据推断质量。
2024-04-03 cs.CR stat.ME
Generating Poisson-Distributed Differentially Private Synthetic Data
传播合成数据可以成为公开敏感数据中信息的有效手段,同时降低与直接发布敏感数据相关的披露风险。虽然存在用于合成满足正式隐私保证的数据的机制,但合成数据的实用性通常是事后的想法。最近,已经提出使用来自疾病绘图文献的方法来生成具有高实用性的空间参考合成数据,尽管没有正式的隐私保证。本文的目的是帮助弥合疾病地图和正式的隐私文献之间的差距。特别是,我们扩展了现有的方法,用于生成正式的私人合成数据的情况下,泊松分布的计数数据的方式,允许注入先验信息。为了评估合成数据的效用,我们进行了一项模拟研究,其灵感来自公开的县级心脏病相关死亡计数。本研究的结果表明,所提出的方法产生的差异私人合成数据优于流行的技术时,计数对应的事件所产生的不平等的人口规模或不平等的事件发生率的子组。
2019-06-02 math.ST stat.ME stat.TH
Beyond the Trade-off Curve: Multivariate and Advanced Risk-Utility Maps for Evaluating Anonymized and Synthetic Data
本文提出多变量和高级风险-效用地图,用于更全面评估匿名化和合成数据,通过比较六种可视化方法展示多指标的综合评估。
2026-04-09 stat.AP stat.ME
Private Tabular Survey Data Products through Synthetic Microdata Generation
我们提出了两种合成微观数据的方法来生成私人的表格调查数据产品公开发布。我们采用了一种伪后验机制,该机制根据调查数据的识别披露风险来降低记录似然贡献的权重$\in [0,1]$,以生成表格产品。我们的方法应用于观察到的调查数据库实现了渐近全局概率差分隐私保证。我们的两种方法合成观察到的样本分布的结果和调查权重,共同,使这两个数量一起拥有隐私保证。受隐私保护的结果和调查权重用于构建表格单元格估计值(其中单元格包含指标被视为已知和公开)和相关的标准误,以校正调查抽样偏差。通过一个真实的数据应用程序的博士学位获得者的公共使用文件和模拟研究的应用程序的动机的调查,我们证明了我们的两个微数据合成方法来构建表格产品提供优越的效用保存相比,拉普拉斯机制的加性噪声方法。此外,我们的方法允许向公众发布微数据,无需额外的隐私成本即可进行额外的分析。
2022-03-03 stat.AP stat.ME
Privacy Amplification for Synthetic data using Range Restriction
Binghamton University(宾汉姆顿大学);RTI International(RTI国际);U.S. Bureau of Labor Statistics(美国劳工统计局)
本研究提出了一种基于范围限制的隐私放大方法,通过调整风险加权伪后验机制来增强合成数据的隐私保护。
2026-02-06 stat.ME
Mechanisms for Global Differential Privacy under Bayesian Data Synthesis
本文提出将贝叶斯合成模型转化为差分隐私机制的新方法,通过截断似然与向量加权伪后验机制结合,在最小化后验失真的同时实现严格的非渐近全局差分隐私保证。
2023-08-03 stat.ME
Bayesian Donor Set Selection in Synthetic Controls
Seoul National University(首尔大学);University of Seoul(首尔大学);University of Texas at Arlington(阿灵顿得克萨斯大学)
研究提出贝叶斯层次模型,在合成控制中选择捐赠者集,保持单纯形约束,能同时估计权重与活跃捐赠者集。经数值模拟和实际应用验证,该模型在含无关或弱相关单元时表现良好,为现有方法提供简洁灵活扩展。
2026-07-10 stat.ME