​　　1月5日上午，应统计学院邀请，阿尔伯塔大学姜蓓教授为统计学院师生带来一场题为“Synthetic Data Generation: Balancing between Data Utility and Privacy Preservation”（综合数据生成：数据效用与隐私保护的平衡）的线上讲座。本次讲座由副院长刘小惠主持，部分教师和研究生参加。

　　姜蓓指出，如今人们越来越期望政府资助研究所收集的数据应该公开可用，从而确保研究的可重复性，但同时这也增加了人们对数据隐私的担忧。Rubin(1993)曾提出使用多重插补（MI）合成数据集，但是该方法一方面会导致综合数据集的部分信息损失，另一方面综合数据集需从指定模型中生成，一旦模型设定错误，综合数据集的统计性质将丢失。在此基础上，姜蓓提出一个新的DA-MI方法，该方法在Rubin(1993)的基础上增加了数据增强步骤，使得其数据利用效率显著提高。并且，DA-MI方法引入了调节参数，使得使用者可以通过调节参数来控制X中多少信息被转移到伪变量W中，从而平衡统计推断质量和信息暴露风险。

　　随后，姜蓓将该方法应用于加拿大硬皮病研究小组（CSRG）的数据中，并将其与其他隐私保护方法进行了比较，发现经过DA-MI方法干扰后的数据与原数据所得统计结论最为接近，其产生的95%的置信区间，与原数据构建的置信区间平均重叠率为98.5%。而其余方法的置信区间重叠率则仅有73.9%到91.9%。

　　姜蓓认为，以上这些研究发现表明DA-MI框架整合了集成噪声加法和基于MI的合成方法，在保留Rubin原始MI方法易用性的基础上，通过引入数据增强掩蔽（Masking）步骤来防止模型误设，并且产生完整的可用于公开发布的合成数据集，在保障数据效用的同时提供隐私保护。

　　此次讲座为平衡数据效用与隐私保护从而生成综合数据提供了借鉴，同时也为学院师生从事相关研究工作提供了有益示例。

　　【延伸阅读】

　　阿尔伯塔大学是加拿大最大的研究型大学之一，其研究氛围和研究条件在全加甚至北美享有盛誉。阿尔伯塔大学校友包含第16任加拿大总理，三位诺贝尔奖得主，75位罗德学者，111位加拿大首席研究教授。其人工智能专业在全球居于领先地位，强化学习之父RichSutton以及AlphaGo的主要作者DavidSilver和AjaHuang均来自阿尔伯塔大学。

　　姜蓓，加拿大阿尔伯塔大学数学与统计科学系副教授、博士生导师。博士毕业于密歇根大学生物统计系。主要研究领域包括隐私数据分析、贝叶斯分层建模、多视图数据集成的联合建模等。相关研究成果被广泛应用于妇女健康、心理健康、神经学、生态学等领域。姜蓓教授已在JASA，JRSSC，NeurIPS等期刊及会议上发表三十余篇论文。（图文/彭钰奇 审核/一审  姜莹  二审  赵旻  终审  李大晖）