Discrimination-free Insurance Pricing with Privatized Sensitive Attributes
创建于 更新于
摘要
本文提出了一种基于多方训练框架的方法，实现保险定价中的无歧视（discrimination-free）目标，核心在于仅利用隐私保护后的敏感属性数据，无需直接访问敏感信息。方法涵盖已知和未知隐私扰动机制的两种情况，并建立理论上的统计保证。通过合成数据与真实健康保险数据的实验验证，该方法可有效缓解直接与间接歧视，且对隐私噪声的估计误差具有一定鲁棒性，为受监管约束的保险行业公平定价提供了实用且理论严谨的解决方案[page::0][page::1][page::4][page::5][page::6][page::10][page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::20][page::21][page::22][page::23][page::24][page::25][page::26]
