本文提出 DPGen，一种面向差分隐私（Differential Privacy, DP）的自动程序合成方法。差分隐私已成为以隐私保护方式发布数据的实际标准，但设计一个满足差分隐私的算法通常需要从无噪声（非私有）算法出发，由设计者手动决定在何处添加噪声以及添加多少噪声。这一过程并不平凡，若处理不当，算法可能违反差分隐私或导致数据效用低下。DPGen 的核心目标是将这一繁琐且易出错的人工设计过程自动化：给定一个非私有算法以及隐私预算等约束，DPGen 自动合成一个满足差分隐私的版本，同时尽量保持较高的数据效用。该方法通过程序合成技术，在候选噪声插入策略与噪声量配置的搜索空间中寻找可行且最优的解。论文主要贡献包括：（1）形式化定义了从非私有算法到私有算法的自动合成问题；（2）设计了有效的合成算法，能够处理多种常见算法结构；（3）在多个基准任务上验证了所合成私有算法的效用与隐私保证。该研究适合对差分隐私机制自动化设计、程序合成以及隐私保护数据发布感兴趣的研究人员阅读。由于本文仅为摘要，尚无法获取实验细节与算法伪代码，但核心思想清晰：将差分隐私机制设计从手工过程转变为可自动搜索的合成问题。