Заказ #2159   
Выход журнала (статьи): Июнь 2026   
Набор в журнал до 28-04-2025   
В этой статье 4 авторов.
Стоимость от 60000 руб.
Закрыть страницу
Тема статьи / Topic of the article:
Детальный анализ текущего подхода к генерации дифференциально частных синтетических данных, распределенных по закону Пуассона

A closer look at the current approach for generating Poisson-distributed, differentially private synthetic data



Ключевые слова / Key words:
Байесовские методы; конфиденциальность; подавление данных; риск раскрытия информации; пространственные данные; неопределённость

Bayesian methods; confidentiality; data suppression; disclosure risk; spatial data; uncertainty

Scopus Q3 Percentile 20..39
Математика Social Sciences Statistics and Probability Economics and Econometrics

Аннотация / Annotation:
Цель этой статьи - помочь преодолеть разрыв между картированием заболеваний и литературой по дифференцированной конфиденциальности. Подражая нескольким имитационным исследованиям, мы проиллюстрируем полезность синтетических данных, полученных с помощью этого подхода, используя общедоступные данные по количеству смертей, связанных с сердечными заболеваниями на уровне округа. Это исследование демонстрирует преимущества гибкости предложенного подхода в отношении неоднородности в размерах популяции и частоте событий, мотивируя при этом дальнейшие исследования для повышения его полезности.

The aim of this paper is to help bridge the gap between disease mapping and differential privacy literatures. Following a pair of small simulation studies, we illustrate the utility of the synthetic data produced by this approach using publicly available, county-level heart disease-related death counts. This study demonstrates the benefits of the proposed approach’s flexibility with respect to heterogeneity in population sizes and event rates while motivating further research to improve its utility.

Эльвира +79683748220 WhatsApp elvira.pillipchuk@mail.ru Все контакты Закрыть страницу