本研究探讨了差分隐私联邦学习中隐私保护与模型效用的平衡，提出了一种自适应剪辑机制，通过多目标优化动态调整剪辑标准，以提高模型准确性。实验证明，该方法在相同隐私约束下显著提升了模型性能。