洗牌模型中的纯差分隐私聚合：误差最优且通信高效

我们提出了一种在 $\varepsilon$-洗牌-DP 模型中用于二进制计数的新协议，其误差为 $O(1/\varepsilon)$，每用户期望通信量为 $\tilde{O}\left(\frac{\log n}{\varepsilon}\right)$ 条消息。此前的协议要么每用户误差为 $O(1/\varepsilon^{1.5})$、消息量为 $O_\varepsilon(\log{n})$（Ghazi 等人，ITC 2020），要么误差为 $O(1/\varepsilon)$、消息量为 $O_\varepsilon(n^{2.5})$（Cheu 和 Yan，TPDP 2022）。利用该新协议，我们获得了用于实数求和与直方图的改进型 $\varepsilon$-洗牌-DP 协议。