基于随机化应答技术的敏感定量数据隐私保护回归估计量

《Scientific Reports》：Privacy-accuracy trade-off optimization in sensitive surveys through regression estimation

　　

摘要

收集关于敏感定量特征的可靠信息仍然是社会和行为调查中面临的一项重大挑战，因为受访者往往不愿如实作答。随机化应答技术（RRT）有助于保护隐私，但许多现有模型在隐私保护与效率之间缺乏良好平衡。为解决这一问题，本研究提出了一种新颖的回归估计量，旨在准确估计敏感的总体均值。该方法的优点在于将非敏感辅助变量纳入在严格隐私协议下收集的数据之中。为全面评估该估计量的行为特征，我们将其应用于通过现有多种不同随机化应答模型收集的数据。从理论上讲，所提出的回归估计量是无偏的，并且得益于简洁的闭式方差表达式，便于实际应用。我们采用基于偏差的指标来评估隐私保护水平，并通过抽样方差来评估效率。为捕捉模型的整体性能，我们还采用了统一的、加权的和对数加权综合指标，以在隐私与精度之间取得平衡。大量的数值算例和蒙特卡罗仿真结果表明，所提出的估计量通常具有更低的方差，并且在隐私与效率之间的平衡优于其他现有的均值估计量。这些结果表明，所提出的估计量为涉及敏感定量数据的调查提供了一种实用、高效且具有隐私保护功能的工具。