自适应隐私预算分配的差分隐私 Adam 算法

来源：计算机应用与软件杂志2025年第8期北京时间：

作者：王鑫, 董迪昊, 郭雅婷, 吴浩宇

摘要：针对用户个人敏感数据用来构建深度学习模型时，一些敏感数据会被网络所“记忆”，造成隐私的泄露。该文根据SGD算法中引入差分隐私所设计的DP-SGD算法的思想，在Adam算法中引入差分隐私，提出一种基于幂函数的自适应隐私预算分配算法来更合理地分配隐私预算，更好地平衡隐私性和模型准确性，以此设计了DP-Adam。实验结果表明，该文的DP-Adam算法比传统的DP-SGD 算法在相同隐私预算下，具有更好的准确性，低隐私预算情况下高出约5%,中高隐私预算情况下高出约2%；并且将幂函数分配算法与指数函数分配算法做比较，前者具有更好的适用性。

关键词：差分隐私, 深度学习, 隐私保护, Adam 算法, 自适应隐私预算