鱼与熊掌兼得：平台支持的社交媒体算法公共利益审计

社交媒体平台策划信息和机会的获取，因此在塑造当今公共话语方面发挥着关键作用。这些平台用于策划内容的算法的不透明性引发了社会问题。之前的研究使用由专家驱动的黑盒方法或由日常用户驱动的协作审计来表明这些算法可能导致有偏见或歧视性的结果。然而，现有的审计方法面临根本性限制，因为它们独立于平台运作。潜在有害后果的担忧促使美国和欧盟立法提案，批准一种新形式的审计，让经过审查的外部研究人员获得对社交媒体平台的特权访问。遗憾的是，到目前为止，还没有提供这种审计的具体技术提案，因为大规模审计存在泄露用户私人数据和平台专有算法的风险。我们提出了一种可以满足立法提案目标的新型平台支持审计方法。我们工作的第一个贡献是列举这些挑战和现有审计方法在规模化实施这些政策方面的局限性。其次，我们建议对相关性估计器的有限特权访问是实现外部研究人员对社交媒体平台进行可推广平台支持审计的关键。第三，我们表明平台支持的审计不必冒用户隐私或平台商业利益的风险，从而提出防止这些风险的审计框架。对于特定的公平性指标，我们证明确保隐私只会使准确审计所需的样本数量增加一个小常数因子（上限为6.34倍，典型参数为4倍）。我们的技术贡献结合持续的法律和政策努力，可以通过超越隐私与透明度障碍，使公众能够监督社交媒体平台如何影响个人和社会。