项目基本信息：
面向大数据分析的机器学习自适应差分隐私保护技术研究（河南省科技攻关项目，No.242102210140，2024.01~2025.12），负责人：张丽丽，2023年立项
项目摘要：
传统的差分隐私机器学习模型在训练过程中通常面临隐私预算总量过高、模型性能较低等问题，为数据隐私保护与模型准确度之间的权衡带来严峻挑战。本文针对传统面向数据分析的差分隐私保护方法中的不足之处，在有效缓解模型训练过程中面临的敏感信息泄露问题的同时，依据动态隐私需求感知和隐私按需保护的现实需求，深入研究基于目标扰动、输出扰动和梯度扰动的个性化噪声扰动方案，建立自适应的隐私预算分配规则。结合梯度扰动算法及自适应的隐私预算分配算法，构建自适应的隐私机器学习模型，实现机器学习模型性能、数据可用性及隐私保护水平之间的平衡。在此基础上，实现自适应梯度扰动的机器学习联合建模。
