在查询结果中添加校准噪声，防止个体记录泄露。
学习使用 DP-SGD 训练 GAN 或 VAE 以生成满足差分隐私的合成表格或图像数据。
在生成合成数据时引入差分隐私保证，生成与原数据统计相似但不泄露个体信息的隐私安全数据。
综合运用差分隐私、联邦学习和同态加密等隐私增强技术，在严格保护用户数据的前提下完成模型训练。
学习差分隐私随机梯度下降算法，通过梯度裁剪和加噪机制严格限制模型对单一样本的依赖，实现可量化的隐私保护。