动态裁剪差分隐私SGD：基于梯度范数分布估计的动态裁剪

本研究针对差分隐私随机梯度下降（DP-SGD）中选择最优裁剪阈值C的挑战，提出了动态裁剪DP-SGD（DC-SGD）框架。通过利用差分隐私直方图估计梯度范数分布并动态调整裁剪阈值C，显著降低了超参数调优的负担，实验证明其在超参数调优上比DP-SGD快多达9倍，并在CIFAR10数据集上提高了10.62%的准确率。