本研究提出了一种（ε，δ）-差分隐私的偏最小二乘回归算法（edPLS），旨在解决PLS回归模型在数据隐私保护方面的不足。该算法通过添加高斯噪声来保护训练数据隐私，同时保持良好的预测能力，展示了在多变量校准中保护隐私的实际价值。