差分隐私GAN梯度裁剪阈值的自适应选取方法

提出自适应选取差分隐私 GAN 梯度裁剪阈值的方法。该方法假设可以接触到与隐私数据同分布的小部分公开数据，通过从公开数据中随机选取一批数据，设置裁剪阈值为这批数据的平均梯度范数，迭代上述操作直到网络聚合。在 Mnist 和 Cifar10 数据集上对所提方法进行了实验验证，结果表明，在合理隐私预算下与差分隐私辅助分类GAN相比，卷积神经网络（CNN）分类器准确率提高1%~4%，而评估分数（inception scores）提升0.6~1.2。