面向差分隐私最坏组优化的自适应采样与裁剪

研究者提出差分隐私最坏组优化算法 ASC，实验显示其最坏组准确率显著高于此前方法，且不牺牲整体平均准确率。ASC 自适应调节各群体梯度贡献的采样率与裁剪阈值，向更难学习的群体重新加权训练目标，同时把隐私所需噪声控制在足够低水平以维持模型效用。此前面向公平的最坏组优化与差分隐私 SGD 往往相互冲突，缺乏能兼顾两者的实用方法。