美國商務部禁止在人口普查與 BEA 數據中使用雜訊注入

US Department of Commerce Bans Noise Infusion

美國商務部已發布命令，禁止在人口普查局（Census Bureau）和經濟分析局（BEA）發布的所有統計產品中使用「雜訊注入」（noise infusion）。該命令要求商務部優先使用「粗化」（coarsening）作為首選的披露避免方法，僅在最後手段時才允許使用「抑制」（suppression）。所有統計產品均明確禁止使用雜訊注入。

此指令實際上禁止了差分隱私（differential privacy），這是一種透過在數據集中加入校準後的隨機雜訊來保護個人隱私的數學框架。該命令規定，這不應與現有的憲法、法定或法規保密義務相衝突，這意味著各機構仍必須保護私人數據，但不能使用雜訊注入來達成此目的。

The Role of Noise Infusion and Differential Privacy

雜訊注入是披露避免（disclosure avoidance）——即在保持原始數據秘密的同時發布有用統計數據的做法——中的關鍵工具。在美國人口普查的背景下，這點至關重要，因為聯邦法律要求人口普查局必須對個人記錄進行保密。

Common Disclosure Avoidance Techniques

• Coarsening (Generalization): 降低數據的精確度（例如，報告一個年齡範圍而非特定的出生日期）。
• Suppression: 移除低於特定閾值的數據（例如，若人數少於五人，則不發布該計數）。
• Noise Addition: 向統計數據中加入隨機數字以隱藏真實值，這是差分隱私的核心組成部分。
• Swapping: 在不同記錄之間隨機交換屬性。
• Sampling: 從數據集中隨機移除記錄。

差分隱私在 2020 年人口普查中被採用，是因為之前的技術（如 swapping）被發現容易受到重建攻擊（reconstruction attacks），攻擊者可以利用發布的統計數據來重建個人記錄。選擇差分隱私並非因為其數學上的優雅，而是因為它在減輕這些新發現的隱私風險時，保留了最高的數據效用性。

Impact on Data Utility and Privacy

從披露避免工具箱中移除雜訊注入，會在數據效用與隱私之間造成嚴重的權衡。由於針對統計發布的隱私攻擊通常涉及求解方程組，完美的精確統計數據會使這些攻擊變得輕而易舉。

Risks of Banning Noise

• Increased Vulnerability: 沒有隨機性，攻擊者可以更容易地重新識別個人，這可能導致有針對性的詐騙、欺詐或數據的政治武器化。
• Reduced Utility: 「粗化」和「抑制」是「鈍器」。對於涉及小規模人口或少數群體的複雜數據集，這些方法通常會破壞數據的效用性，或者使數據極易受到攻擊。
• Technical Regression: 許多其他統計方法（包括 imputation 和 sampling）在技術上都會引入雜訊。禁止「雜訊注入」可能會在執行標準統計工作時產生矛盾。

Perspectives on the Ban

這項決定在統計學家、研究人員和公眾之間，關於準確性與隱私之間的平衡引發了重大辯論。

Arguments Against Differential Privacy

i 某些批評者認為，差分隱私在 2020 年人口普查數據中引入了不可接受的不精確性。

"The way the data was released produced serious issues downstream as most researchers and statisticians who ingested the data were not prepared for receiving noisy data values... It essentially asked of every data user to rewrite their whole analysis pipeline based on the exact disclosure mechanism."

其他人則建議，向官方政府數據中加入雜訊是根本上不誠實的，或者類似於欺詐性會計，認為公眾應該有權訪問實際的數字，無論隱私風險如何。

Arguments for Privacy Protection

隱私倡導者強調，缺乏保護可能會導致「監視國家」或數據被用於針對脆弱群體的武器化。

"If you start publishing and weaponizing the data against people with people with various attributes, they'll just lie or not answer. And then you are left with worse than nothing: bad data people try to act on."

也有人擔心，這項禁令可以透過允許政治操作者更精確地重建房屋層級的數據以進行選區劃分，從而促進「反應性選區劃分」（reactionary gerrymandering）。