赫尔辛基大学研究团队优化深度学习差分隐私训练，获IEEE SaTML 2026最佳论文奖

完整中文导读

赫尔辛基大学Antti Honkela团队与NVIDIA合作，分析了差分隐私下深度学习模型训练的计算成本，提出一种高效可扩展的差分隐私深度学习实现方法，在计算机视觉模型上实现更快、更省内存的训练，速度可达Opacus等标准库基线的两倍，并获IEEE安全与可信机器学习会议2026年最佳论文奖。下一步将应对大语言模型训练中的隐私保护挑战。