차등 사생활 보호 인구 데이터가 주 차원 재구획에 미치는 영향과 완화 방안

초록

본 논문은 2020년 인구조사에서 도입된 차등 사생활 보호(Differential Privacy) 기반 공개 회피 시스템(DAS)이 주 입법구역 재구획에 미치는 영향을 분석한다. 2010년 공식 데이터와 동일한 원본을 사용해 만든 2020 DAS 시뮬레이션 데이터(DEM0)를 비교해, 인구 균등성 기준과 소수민족 다수구역(MMD) 확보에 대한 법적 임계값이 어떻게 오류를 증폭시키는지 확인한다. 간단한 확률 모델과 샘플링 기준을 조정함으로써, 차등 사생활 보호가 초래하는 편차를 실질적으로 완화할 수 있음을 보인다.

상세 분석

이 연구는 두 가지 핵심 법적 기준, 즉 ‘한 사람, 한 표(One Person, One Vote, OPOV)’와 ‘투표권법(Voting Rights Act, VRA)’에 초점을 맞춘다. OPOV에서는 주 입법구역의 인구 편차가 10% 미만이면 합헌으로 간주되며, 실제 논문에서는 최대 상대 편차(최대·최소 구역 인구 차이)를 5% 이하로 설정한다. 차등 사생활 보호가 적용된 DEMO 데이터는 작은 지리 단위에서 인구 수에 최대 24.79%까지 왜곡을 일으킬 수 있다. 이러한 왜곡은 임계값을 넘는 구역을 만들 위험을 크게 증가시킨다.

연구진은 93개 주 입법구역에 대해 수백만 개의 무작위 재구획 계획을 생성하고, DEMO 데이터를 기준으로 샘플링한 뒤 동일한 계획을 원본 SWAP 데이터(2010년 전통적 스와핑 DAS)에서 평가하였다. 결과는 두 데이터 간 편차가 빈번히 발생함을 보여준다. 예를 들어, DEMO 기준으로 5% 이하 편차를 만족하는 계획의 절반 이상이 SWAP 기준에서는 5%를 초과하는 경우가 40% 이상이었다.

하지만 중요한 발견은 ‘오프셋’ 전략이다. 샘플링 단계에서 목표 편차를 5%보다 더 엄격하게(예: 4.5% 또는 4%) 설정하면, SWAP 기준에서의 위반율을 크게 낮출 수 있다. 4.5% 제한을 적용하면 절반 이상의 주에서 위반이 0%가 되고, 4% 제한을 적용하면 90% 이상의 주에서 위반이 사라진다. 이는 차등 사생활 보호가 만든 노이즈를 사전에 보정할 수 있음을 시사한다.

소수민족 다수구역(MMD) 분석에서는 52개 주를 대상으로 다수의 계획을 비교했다. DEMO 데이터를 사용해 생성된 계획은 종종 실제 인구 구성보다 소수민족 비중이 낮은 구역을 만든다. 특히 조지아 주 하원 계획에서는 9%가 SWAP 기준에서 소수민족 다수구역 수가 달라졌으며, 소수민족 구역을 최대화하는 목표를 적용하면 차이가 66%까지 급증한다. 이는 차등 사생활 보호가 소수민족 인구 분포를 왜곡해 법적 기준을 충족시키기 어렵게 만들 수 있음을 보여준다.

연구진은 이러한 현상을 설명하기 위해 간단한 베르누이 및 정규분포 기반 확률 모델을 제시한다. 인구 편차의 경우, 각 블록의 노이즈를 독립적인 정규분포로 가정하고 전체 구역 편차가 누적되는 과정을 모델링함으로써, 오프셋 전략이 왜 효과적인지 수학적으로 증명한다. MMD 경우에는 소수민족 비율이 낮은 블록이 다수구역에 포함될 확률을 베르누이 변수로 모델링해, 목표 최적화가 왜 편차를 확대시키는지 설명한다.

결론적으로, 차등 사생활 보호가 도입된 2020 DAS는 인구 데이터에 비정형적인 노이즈를 추가하지만, 적절한 샘플링 기준 조정과 사전 보정 모델을 활용하면 주 입법구역 재구획에서 법적 임계값을 만족시키는 것이 가능하다. 이는 알라배마 주가 주장한 “공정한 선을 그릴 권리를 방해한다”는 주장에 대한 실증적 반증이 된다.