虚拟点
差分隐私中注入的合成数据记录，不携带真实信息，用于掩盖真实批次大小或引入随机性，以提供额外的隐私放大。
时间轴 (近 90 天)
在分布式场景中，各参与方只需按约定生成虚拟点并随真实数据一同参与聚合，不需要额外的安全信道或复杂的协议改造。
虚拟点的注入对计数释放形成了子采样式的隐私放大，使得所需虚拟点的期望数量可以渐近地小于直接用非负噪声私有化批次大小（敏感度为1）所需的量。
虚拟点的数量随隐私参数和批次上限变化，部署时需要在隐私预算与计算开销之间做具体权衡。
一篇最新研究提出通过向批次中注入随机数量的虚拟点来掩盖真实批次大小，从而在批次大小可观测且存在截断限制的条件下保持隐私放大。
虚拟点参与前向和反向计算，但其梯度贡献会被丢弃或抵消，因此不影响模型更新。
等式后验测度下噪声虚拟约束事件的概率可作为诊断指标，在更新前衡量解与指定边界的吻合程度
物理信息后验本身可作为不等式更新的有效先验，可先完成PDE等式条件化，再在虚拟点上施加不等式约束更新，两步均无需修改原有流程
全部知识事实 (7)
在分布式场景中，各参与方只需按约定生成虚拟点并随真实数据一同参与聚合，不需要额外的安全信道或复杂的协议改造。
50%待验证一篇最新研究提出通过向批次中注入随机数量的虚拟点来掩盖真实批次大小，从而在批次大小可观测且存在截断限制的条件下保持隐私放大。
50%待验证虚拟点参与前向和反向计算，但其梯度贡献会被丢弃或抵消，因此不影响模型更新。
50%待验证虚拟点的数量随隐私参数和批次上限变化，部署时需要在隐私预算与计算开销之间做具体权衡。
50%待验证等式后验测度下噪声虚拟约束事件的概率可作为诊断指标，在更新前衡量解与指定边界的吻合程度
50%待验证物理信息后验本身可作为不等式更新的有效先验，可先完成PDE等式条件化，再在虚拟点上施加不等式约束更新，两步均无需修改原有流程
50%待验证虚拟点的注入对计数释放形成了子采样式的隐私放大，使得所需虚拟点的期望数量可以渐近地小于直接用非负噪声私有化批次大小（敏感度为1）所需的量。
50%