本文研究了针对非光滑和非凸的随机及经验目标的差分隐私优化算法，提出了一种改进的样本复杂度方法，能够返回Goldstein平稳点。我们设计了一种单遍（ϵ, δ）差分隐私算法，其样本复杂度显著低于现有算法，并进一步提出了多遍多项式时间算法，以进一步降低样本复杂度。