본 논문은 차등적 개인정보 보호(DP)를 이용한 딥러닝 학습의 강건성과 보안성을 향상시키는 새로운 방법인 GReDP를 제시합니다. 기존 DP 기반 딥러닝 학습 방법들이 모델 유용성 저하 문제(높은 노이즈 스케일 또는 원래 기울기 손상)를 갖는 것에 비해, GReDP는 주파수 영역에서 모델 기울기를 계산하고 노이즈 레벨을 줄이는 새로운 접근 방식을 채택하여 이러한 문제를 해결합니다. DPSGD에 비해 절반의 노이즈 스케일만으로도 모든 기울기 정보를 유지하며, 이론적 및 실험적 분석을 통해 그 효과를 검증합니다. 실험 결과, GReDP는 모든 모델과 학습 설정에서 기존 방법들보다 우수한 성능을 보입니다.
