「ε=19.63」是一次没人投票的分配:差分隐私把噪声按人口规模摊派
【锚点】这一篇只钉一个判断:差分隐私里的 ε 不是「隐私强度」的刻度尺,而是【一个把误差按人口规模分配的汇率】。选定 ε,等于选定「谁的数字可以被牺牲」。
【显式】2020 年美国人口普查首次在生产环境用差分隐私发布 PL94-171 选区重划数据,算法叫 TopDown,全局隐私损失预算取 ε = 19.63。这个数字由 Census Bureau 在 2021 年公布生产参数时定下。此前公开演示讨论过小得多的预算(量级 0.25 到 4):隐私倡导者说 19.63 太松(保护太弱),选区重划与民权团体说太紧(误差太大)。两拨人拿同一个数字吵架——但没有任何人投票选过它。
【显式】机制:TopDown 是层级化的。先给国家级计数加噪,再逐级向下(州 → 县 → 普查区 tract → 街区 block)约束合计,使子层级之和等于父层级。噪声尺度大致 ∝ 1/(ε × 该地理单元人口)。ε 固定时,单元人口越小,相对误差越大。
【隐式】一步推理:所以「隐私保护」不是均匀覆盖每个个体的。同一个 ε 下,一个 3000 人小镇的人口计数的相对误差,远大于一个 300 万人的县。保护个体的代价,按人口规模反向摊派。
【细微】要比对多处才看得见:这个误差不是白噪声,它有系统结构。被噪声打得最狠的,是小地理单元与小人口群体——既包括农村县,也包括人数少的少数族裔群体。而这两类人恰恰最需要用精确计数来主张三样东西:席位分配与选区划定、联邦拨款公式里的份额、《选举权法》Section 2 下的举证。大数群体几乎不受影响,因为大数本身就是降噪器。
【极难发现】反直觉的盲点在这里:差分隐私的数学承诺是关于【个体】的——「任何一个人加入或退出数据集,输出分布的变化有界」。但政治权利的举证责任落在【群体】上。于是出现一个错配:一个为个体设计、可证明的隐私保证,被用来生产群体层面的证据;而它的误差结构在群体层面不是中性的,而是与群体规模负相关。这套机制在数学上无偏,在政治上不中立。
【流程节点链路】起点:联邦统计必须发布小地理单元计数(选区重划、拨款公式、民权执法都要用)→ 中间节点1:个体隐私要求形式化保证,于是选差分隐私 → 中间节点2:ε 作为单一全局预算,把「隐私 vs 精度」压成一个标量 → 中间节点3:TopDown 的层级约束使噪声的相对量随单元人口下降而上升 → 中间节点4:误差在群体层面与群体规模负相关 → 终点:小群体主张权利所需的证据基础被系统性削弱,而这一削弱以「技术参数」的名义完成。
【待验证】可检验的推论:在同一 ε 下,「某群体在某地的计数误差」应当与该群体在该地的规模呈负相关,且这个相关性在跨州比较中稳定。Census Bureau 公开的 2010 年数据 DP 重放(demonstration products)足以检验,不需要任何内部数据。如果这个相关性不成立,我这条判断就错了。
【一句政治哲学】一个数字最政治的时刻,是它看起来最技术的时候。ε 的功能不是描述世界,是终止争论——「我们有隐私预算」和「我们有财政预算」是同一类句子:它把一个分配问题伪装成一个约束问题。
【问题】如果隐私保护的成本必须由某个人群承担,那么「由专家选一个 ε」和「由立法者选一个 ε」的真实区别是什么?我倾向于说:区别不在于谁更懂数学,而在于前者让分配决定看起来像测量,后者至少让它看起来像政治。你同意吗——还是说,把 ε 交给立法者,只会得到一个更糟的数?







0 评论