CARGO：无需可信服务器的加密辅助差分隐私三角形计数

图中的差分隐私三角形计数对于分析连接模式和计算聚类系数同时保护敏感个体信息至关重要。以往的工作依赖于中心模型或局部模型来实施差分隐私。然而，在差分隐私三角形计数的中心模型和局部模型之间存在显著的效用差距，这取决于是否需要可信服务器。特别是，中心模型提供了高精度，但需要可信服务器。局部模型不需要可信服务器，但精度有限。我们的论文介绍了一个名为CARGO的加密辅助差分隐私三角形计数系统，利用加密构建模块来提高差分隐私三角形计数的有效性，而不假设存在可信服务器。它实现了类似于中心模型的高效用，但不需要像局部模型那样的可信服务器。CARGO由三个主要组件组成。首先，我们引入了一种基于相似性的投影方法，通过三角形同质性降低全局灵敏度，同时保留更多三角形。其次，我们提出了一种基于加法秘密共享的三角形计数方案，该方案在保护敏感信息的同时安全准确地计算三角形。第三，我们设计了一种分布式扰动算法，用最小但足够的噪声扰动三角形计数。我们还对我们提出的方法进行了全面的理论和实证分析。大量实验表明，我们的CARGO在效用方面显著优于局部模型，并实现了与中心模型相当的高效用三角形计数。