責任ある分析のための抗議運動のダイナミクスの保護と維持

概要: 抗議行動に関連するソーシャルメディアデータは集合的行動を理解するうえで価値がある一方、監視、弾圧、個人のプライバシーに関する懸念により、本質的に高リスクです。現代のAIシステムは個人を特定し、機微な属性を推定し、さらにプラットフォーム間で視覚情報を照合することができます。これにより、抗議者や傍観者にリスクをもたらす監視が可能になります。このような状況では、抗議行動の画像で訓練された大規模基盤モデルが、機微情報を記憶して開示してしまう危険があり、その結果、プラットフォーム横断の身元情報の漏えいが起こり、さらに遡及的に参加者を特定されてしまう可能性があります。自動化された抗議行動分析に関する既存のアプローチは、プライバシー・リスク評価、下流での分析、そして公平性の考慮を統合する、全体論的なパイプラインを提供していません。
このギャップに対処するため、私たちは、個人のプライバシーに関するリスクを低減しつつ、集合的な抗議行動のダイナミクスを分析するための責任ある計算（responsible computing）フレームワークを提案します。私たちのフレームワークは、条件付き画像合成を用いて、機微な抗議行動の画像を適切にラベル付けされた合成の再現画像に置き換えます。これにより、識別可能な個人に直接さらすことなく、集合的なパターンの分析を可能にします。提案手法により、現実的で多様な合成画像が生成されることを示し、またプライバシー・リスクの低減と、下流の分析上の有用性とのバランスを両立できることを実証します。さらに、生成されたデータにおける人口統計学的な公平性を評価し、合成表現が特定のサブグループに不釣り合いに影響を与えていないかを検討します。私たちの方法は、絶対的なプライバシー保証を提供するのではなく、残存するリスクを認識しつつ、社会的にセンシティブな分析を可能にする、実用的で害を緩和するアプローチを採用します。