差分隐私贝叶斯优化｜Python 隐私效用帕累托搜索｜免费代码

项目功能

围绕差分隐私模型的隐私预算与模型效用开展多目标搜索，包含网格搜索、随机采样、超体积改进和实验结果样例。

运行环境

建议使用 Python 3.7 兼容环境；依赖包含旧版 TensorFlow、MXNet、GPflow、BoTorch、PyTorch 等，部分实验需要数据集和较多计算资源。

核心入口

examples/grid_search.py、examples/hypervolume_improvement.py、examples/random_sampling.py

交付内容

dpareto/、examples/、experiments/、requirements.txt

使用方式

先建立隔离的旧版 Python 环境并安装固定依赖，再从 examples 目录选择搜索策略运行；大型实验应先缩小轮数和并行规模。

运行状态

需要配置后运行。已完成交付包结构、入口、依赖声明和 Python 语法级检查；完整运行仍取决于本机依赖、外部模型、求解器授权或 MATLAB 环境。

使用限制

依赖栈较旧且包含特定版本源码依赖，现代环境通常不能直接安装；完整复现实验还需要外部数据和较长运行时间。

适合场景

适合算法学习、课程实验、基线验证和按实际需求进行二次开发。使用前请先用包内样例核对环境与输入格式。