介绍了新的联邦学习框架ULDP-FL，通过加权剪裁保证用户级差分隐私，在跨域联邦学习中提供有效的用户级差分隐私，相比基线方法在隐私-效用权衡方面有显著改进。
提出了一种新的联邦学习框架ULDP-FL。
ULDP-FL通过每个用户的加权剪裁直接保证用户级差分隐私。
在通用的跨域联邦学习中有效提供用户级差分隐私。
在隐私-效用权衡方面相比基线方法有显著改进。
完成下面两步后，将自动完成登录并继续当前操作。
