本文提出DP-Sniper，一种实用的黑盒方法，用于自动发现差分隐私（DP）实现中的违规行为。该方法基于两个核心思想：（1）训练一个分类器来预测观察到的输出是否可能来自两个可能的输入之一；（2）将该分类器转化为一个近似最优的差分隐私攻击。实验评估表明，DP-Sniper在保证强度上比现有最先进方法高出12.4倍，同时速度提升15.5倍。此外，DP-Sniper能够有效利用朴素实现算法中的浮点漏洞：它检测到一个声称满足0.1-差分隐私的拉普拉斯机制实现实际上连0.25-差分隐私都不满足。该方法无需访问内部实现细节，仅通过黑盒查询即可发现隐私违规，对验证差分隐私系统的实际安全性具有重要意义。