CA-DPSGD：利用近似二阶信息缓解DPSGD梯度裁剪偏差

2026年10月26日，arXiv发布了一项关于隐私保护机器学习的新研究。该研究提出了CA-DPSGD框架，旨在解决差分隐私随机梯度下降（DPSGD）中因梯度裁剪导致的偏差问题。 新框架利用近似二阶信息构建“曲率感知”裁剪空间，并集成了曲率矩阵校正估计器。通过结合各向异性噪声机制，该方案在保障隐私性的同时改善了性能。实验结果展示其表现优于现有的先进方法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。