本研究提出了一种保护隐私的分散式深度学习方法，确保节点间数据安全交换。实验表明，该方法在稀疏图和不均匀数据下有效，能够在不共享原始数据的情况下学习高准确性模型。此外，研究探讨了差分隐私随机梯度下降算法的隐私保护能力及其在深度学习中的应用，提出了优化隐私预算和提高计算效用的方案。