本文提出了一种微调策略，通过减少可训练参数的数量来优化私有扩散模型的参数效率，实现了隐私-效用平衡。在DP合成方面取得了最先进的性能，在广泛研究的数据集上明显超过了先前的基准。

本文提出了一种微调策略，通过减少可训练参数的数量来增强隐私-效用平衡，在DP合成方面取得了最先进的性能。

PrivaTree是一种新的方法，基于私有直方图的决策树扩展算法，提供更好的隐私-效用平衡，具有更好的鲁棒性，同时消耗小的隐私预算。