近日，厦门大学经济学科王晨笛助理教授与宾夕法尼亚大学博士生苏步新、苏炜杰副教授合作的题为“The 2020 United States Decennial Census Is More Private Than You (Might) Think”的论文发表于国际顶级学术期刊《美国科学院院刊》（简称：PNAS），探讨了“美国人口普查”相关问题。PNAS是与Cell、Nature、Science齐名的国际四大顶级科学名刊之一。此成果也是国家自然科学基金基础科学中心项目——“计量建模与经济政策研究”的阶段性研究成果之一。
每十年一次的美国人口普查是全球规模最大的社会统计工程之一，其结果直接影响美国联邦资金分配及选区划分、公共政策评估等关键决策。2020年，美国普查局首次在官方普查中引入差分隐私（Differential Privacy, DP）机制，通过“噪声注入”保护个体信息。由于过大的噪声注入可能会影响数据精度，因此如何精确计算隐私预算（privacy budget）以注入合适强度的噪声在美国人口普查的相关文章中被列为公开问题。
本研究利用统计学中的假设检验工具，基于$f$-差分隐私框架对美国普查产品的隐私预算进行精确计算，进而解决了该公开问题。论文发现：2020年美国人口普查产品的实际隐私保护强度比美国人口普查局现有计算方法估计更高，同等噪声水平下，更精确的隐私预算计算可使现有隐私预算降低8.49%–13.21%；此外，在保持相同隐私水平的情况下，注入噪声的方差可减少15.08%–24.82%，从而显著提升数据准确度。本研究在隐私-准确性权衡上达到了新的平衡点，这意味着，美国2020年人口普查“比想象的更隐私”。
该成果在$f$-差分隐私框架下实现了统计理论与隐私预算计算的统一。该工作不仅为人口普查产品未来的数据发布提供了更精确的隐私保护机制，也为统计保密、社会调查、人工智能数据安全等领域提供了新的数据隐私量化评估工具。美国《New Scientist》杂志对此研究发表了题“Simple fix could make US census more accurate but just as private“的报道（报到原文链接请见：https://www.newscientist.com/article/2454095-simple-fix-could-make-us-census-more-accurate-but-just-as-private/ ），报道称“一位美国人口普查局发言人表示，该机构欢迎学术界的建议，将把这篇论文纳入其’持续进行的披露规避研究’中予以审阅”。
王晨笛，现任厦门大学王亚南经济研究院（WISE）与经济学院助理教授，博士毕业于香港理工大学，曾于美国宾夕法尼亚大学沃顿商学院统计与数据科学系访问研究。主要研究方向包括机器学习、数据隐私保护、联邦学习以及合成数据生成等。在国际权威期刊与多个国际顶级会议上发表了系列研究成果，包括PNAS、NeurIPS、ICML、ICLR等，部分工作获重要认可，如ICML 2024口头报告、NeurIPS 2025亮点论文等。
（经济学院 刘晨宇）
