美国隐私危机

# 美国隐私危机：Cynthia Dwork 等人的客座文章 来源：https://scottaaronson.blog/?p=9902 [](https://scottaaronson.blog/wp-content/uploads/2026/07/image-2.png) **斯科特前言：** Cynthia Dwork (https://en.wikipedia.org/wiki/Cynthia_Dwork) 是哈佛大学计算机科学系的戈登·麦凯教授，也是差分隐私和算法公平领域的先驱。最近我在前往SigmaWest科学营和STOC的途中，听到诸多讨论关于特朗普政府的一项最新行动——不仅禁止差分隐私，还实质上禁止了所有用于保护大数据集隐私的现代技术，例如在2030年美国人口普查中的应用。我意识到许多人已经“愤慨疲劳”，但这次特别的事件与计算机科学理论社区的关系**极为**密切。因此，当Cynthia在STOC联系我，提议就该问题撰写一篇客座文章时，我自然答应了。她发给我的文章（见下文）由该领域的许多其他领袖联署。 --- 2026年6月4日，美国商务部长发布了一项指令（DAO 216-26 (https://www.commerce.gov/opog/disclosure-avoidance-statistical-products)），将所有经济分析局（BEA）和美国人口普查局出版的保密保护技术限制在可追溯到1970年代早期的方法，从而抛弃了半个多世纪以来在数据主体保护方面的进步与进展。保密技术的进步曾使人口普查局能够分享更大量、更精细的数据。这项指令将导致统计数据的实用性降低（或可用数据减少）、保护减弱，或者两者兼而有之。我们撰写此文是为了说明该指令构成的危险，并动员科学界发声反对。 该指令背后的推动力是政治利益，而非科学价值。DAO 216-26绕过了法律要求的行政程序。它兑现了传统基金会“2025项目”策划者的一项承诺，并反映了“复兴美国中心”（CRA，由OMB主任Russell Vought创立的组织）代表的言论和误解。CRA关于2020年人口普查中使用差分隐私的说明 (https://americarenewing.com/issues/differential-privacy-in-the-2020-census-explained/) 直截了当地点明了利害关系： “即使在人口普查中加入公民身份问题，只要使用差分隐私，就不可能确定个人的身份。” 但这种掩盖个人特征数据的行为是《人口普查法》（13 U.S. Code Section 9 (https://www.law.cornell.edu/uscode/text/13/9)）的法定要求，该法规定“任何可能导致识别特定个人提供的数据的出版物”均属犯罪。保密也被广泛认为是确保民众回复普查的关键。 DAO-216-26禁止了差分隐私及其他现代（甚至不那么现代的）技术。它将披露避免技术限制为“粗化”，指令描述为“降低出版统计数据的详细程度或具体性，例如通过四舍五入、聚合（分组）和/或使用区间范围”。此外，还可以使用“抑制”（“明确删除某些值”），但仅作为“最后手段”。DAO-216-26禁止“噪声注入”，描述为“通过添加随机值或噪声来修改数据集的方法”。 噪声注入正是为了应对在禁止发布可重新识别数据的保密法律下，对精细数据日益增长的需求而发明的。对于大多数国家级的汇总统计序列，如主要联邦经济指标，粗化和抑制是令人满意的。然而，当应用于精细地理或行业细分的商业和人口数据时，这些技术就失效了。通过禁止噪声注入，该指令禁止了过去三十年数十个数据版本核心使用的披露避免技术。它禁止了自2002年起用于季度劳动力指标，并且直到目前仍计划用于经济分析局统计数据的输入噪声注入[1]。它禁止了自1990年以来用于十年一次人口普查出版的交换技术。它同时禁止了差分隐私——这是当前已知在给定隐私水平下获得最大数据实用性的最佳方法。自2008年起，差分隐私被用于共享通勤模式数据（OnTheMap (https://onthemap.ces.census.gov/)），并用于基于2020年人口普查的出版品。直到这项指令发布前，差分隐私也计划用于2030年人口普查。许多其他产品和流程也同样受到影响 (https://americarenewing.com/issues/differential-privacy-in-the-2020-census-explained/)。 **1. 例证** DAO 216-26与人口普查局在提供保密性和适用性方面的双重使命存在冲突。为了说明这一点，我们回顾并扩展了Nathan Goldschlag的一个示例 (https://agglomerations.eig.org/p/a-new-threat-to-economic-data)，该示例受《县商业模式》（CBP）数据启发，该数据提供按行业和地理分类的商业活动统计。Goldschlag描述了三种场景，说明了提供有用信息与维护《人口普查法》要求的回答保密性之间的紧张关系。 > · “一个小县只有一家啤酒厂。如果CBP公布了该县啤酒厂员工的确切人数，那就泄露了一家企业的信息（它雇用了多少工人），这明显违反了法律。² (https://agglomerations.eig.org/p/a-new-threat-to-economic-data#footnote-2) > · “一个小县有两家啤酒厂，CBP再次公布了啤酒厂员工的确切人数。如果我拥有其中一家啤酒厂，我就能知道竞争对手雇用了多少员工，这再次违反了法律。 > · “一个小县有超过两家啤酒厂，但CBP出于担心泄露企业隐私而选择不公布啤酒厂员工总数。如果我是一个潜在的啤酒厂老板，在没有了解所进市场的信息的情况下，我可能会认为该项目风险过大而放弃。” 在Goldschlag的示例中，粗化使出版的统计数据变得无用。现在我们增加第四个场景，显示粗化同样未能维护保密性。为简单起见，假设新示例中没有人拥有任何一家企业。该县有两个镇，各有一家啤酒厂：北本德和南本德。此外，北本德有一家移动装瓶公司，南本德有一家固定装瓶公司。该县共有四家啤酒相关企业。其中两家——北本德的啤酒厂和南本德的装瓶公司——是公有企业。 - CBP发布了五个统计数据： - (A) 北本德啤酒相关企业的员工总数：由于北本德只有一家啤酒公司和一家装瓶公司，类别被粗化为“啤酒相关”。 - (B) 南本德啤酒相关企业的员工总数：由于南本德只有一家啤酒公司和一家装瓶公司，类别被粗化为“啤酒相关”。 - (C) 仅限酿酒企业的员工总数：由于北本德和南本德各只有一家啤酒公司，该统计被粗化为该县仅限酿酒企业的员工总数。 - (D) 仅限装瓶企业的员工总数：由于北本德和南本德各只有一家装瓶公司，该统计被粗化为该县仅限装瓶企业的员工总数。 - (E) 公有企业的员工总数：由于北本德和南本德各只有一家公有企业，该统计被粗化为该县公有企业的员工总数。 现在我们有5个方程，4个未知数。仅使用其中四个（A, B, C和E），我们就能用中学代数解出四家公司中每一家的确切员工人数。 [](https://scottaaronson.blog/wp-content/uploads/2026/07/image-1.png) 在上述（虚构但现实）的场景中，《县商业模式》数据发布时对地理、商业和所有权类别进行了善意的粗化。然而，即使不了解其中一家公司的员工人数，我们也能完全重建所有四个数字。发生了什么？这些粗化相互之间产生了不良交互。噪声注入会扰动那组方程，从而防止精确重建。 **2. 实施障碍** 商务部现在声称 (https://www.bea.gov/help/faq/1490) 该指令回归到70年代过时的“tradstat”传统统计技术对数据消费者有利：“本次对披露限制方法的更新保护了受访者，并*为公众提供了更多必要的经济信息*。”（强调为原文所加）。正如我们从Goldschlag示例中看到的，粗化恰恰做了相反的事。 而且这无法修复。粗化*从定义上*就减少了对精细信息的访问。我们三个不良交互粗化的示例表明这种牺牲是徒劳的：没有噪声注入，保密性会被简单的计算摧毁。对于人口调查，这正是诸如差分隐私之类的正式噪声注入方法所要防范的；这就是Goldschlag在他的文章 (https://agglomerations.eig.org/p/a-new-threat-to-economic-data) 中提到的“复杂数学”，它能够对个人特征（如公民身份）进行保密。 **3. 保密对联邦统计数据至关重要** 科学界仍在争论保护受访者数据保密性的最佳技术，但DAO 216-26并非由科学驱动。它是由政治利益驱动的。发布这项指令的人愿意冒公众对过程信任度的风险。我们认为这是错误且危险的。 公务员们将尽力遵守这项指令，同时仍遵守要求他们保护受访者数据保密性的法律。为了平衡这些相互冲突的使命，他们可能会选择生产更少的数据，或者将数据粗化到无法使用的程度。或者，他们可能被政治行为者逼迫发布容易暴露身份的数据，就像上面啤酒厂的例子那样。无论他们如何选择，他们都将难以保证受访者的保密性，这将促使许多企业和个人干脆不回答。对于一个提供民主数据的机构来说，这是毁灭性的。 ## 结论 我们需要的是对本国统计机构的深度投入，确保这些机构拥有员工和支持，以利用最佳可用工具改进其方法，而不是由政治行为者推翻政府自身统计学家的决定。无论科学界对任何特定的隐私增强技术有何看法，我们都必须共同抵制这种反科学的管理联邦统计方法。赌注太大了。 ### 如何行动 - 将本文分享给你在专业网络和社区中的其他人。 - 联系你的国会代表并提出你的关切。致电或写信给你的代表是选民能做的最有效、最简单的事情之一，只需几分钟时间。 1. 在此处 (https://www.congress.gov/members) 查找你的代表联系信息。 2. 陈述你的关切。以下是一个示例脚本： “我叫[姓名]，是来自您选区[城市]的选民[邮政编码]。我打电话是因为我担心美国商务部长发布了一项指令（DAO 216-26），该指令希望将所有经济分析局和美国人口普查局数据产品与统计的保密保护限制在过时且无效的统计技术上。如果该指令得以执行，它将摧毁我们国家赖以做出重要决定（例如在哪里建设社区福祉所需的基本服务）的商务公共数据。我希望DAO被撤销。我希望遵循适当的行政程序。我希望诸如平衡实用性和保密性的方法选择等技术决策，由联邦统计机构的专业人员提供信息，而非由政治操作人员单方面决定。” 3. 可选：说明你是什么类型的选民，例如退休教师或在职专业人士。 - 志愿参与 (https://www.datarescueproject.org/differential-privacy-statement/) 帮助保存人口普查工作文件和文档。“噪声注入”和“差分隐私”的解释页面已经开始下线。请归档相关的方法页面和技术文档。你也可以通过互联网档案馆的Wayback Machine（“立即保存页面 (https://help.archive.org/help/save-pages-in-the-wayback-machine/)”）进行操作。 John Abowd, Aloni Cohen, Cynthia Dwork, Jae June Lee, Jayshree Sarathy, Adam Smith, Salil Vadhan --- [1] BEA工作论文WP2026-9，现已被商务部清除。截至6/22，谷歌返回： [](https://scottaaronson.blog/wp-content/uploads/2026/07/image.png) 经济分析局（BEA）(.gov) (https://bea.gov/sites/default/files/papers/BEA-WP2026-9.pdf) https://bea.gov/sites/default/files/papers/BEA-WP2026-9.pdf 本文发表于2026年7月2日（星期四）下午3:26，归入“公告” (https://scottaaronson.blog/?cat=31) 和“极客兴趣” (https://scottaaronson.blog/?cat=11) 分类。你可以通过RSS 2.0 (https://scottaaronson.blog/?feed=rss2&p=9902) 订阅本文章的回复。你可以发表回复 (https://scottaaronson.blog/?p=9902#respond)，或从你自己的网站进行跟踪回溯 (https://scottaaronson.blog/wp-trackback.php?p=9902)。 你可以在评论中使用丰富的HTML！你也可以使用基本的TeX，用 $$ $$ 包围显示公式，或用 \\( \\\) 包围内联公式。 在二十多年大部分时间开放的评论之后，*Shtetl-Optimized* 于2024年7月过渡到以下政策： 所有评论默认被视为给我的个人信件（Scott Aaronson）——无论是出现在博客上还是我回复它们，均不作任何预期。 在我闲暇和自由裁量下，并与 *Shtetl-Optimized* 守护者委员会 (https://scottaaronson.blog/?p=6576) 协商，我会选择一批我判断为特别有趣或能推动话题进展的评论发布在博客上，并尽力回答这些问题。但会更像“致编者信”。任何感到被不公正审查的人，欢迎使用互联网的其他部分。