差分隐私算法组合与子采样的高斯近似

该研究提出差分隐私算法组合与子采样的高斯近似分析方法，证明截断罕见大损失后其隐私损失分布接近高斯分布，从而满足高斯差分隐私。在采样率 $1/t$ 且 $t>\ln^3(1/\delta)$ 时，该方法将高斯机制的噪声尺度条件放宽至 $\sigma\gtrsim\max\{1,\sqrt{\ln(1/\delta)}/\ln(t)\}$，显著优于标准 Rényi 散度分析。