Este artículo propone un método para reducir los costos de comunicación mediante el uso de funciones hash en el conteo de subgrafos con privacidad diferencial local en las aristas. Los algoritmos actuales de cálculo de estadísticas de grafos basados en privacidad diferencial local en las aristas presentan altos costos de comunicación, lo que dificulta su aplicación a grafos de gran escala. En este artículo, introducimos el hash de congruencia lineal para resolver este problema. El uso de una frecuencia de muestreo $s$ puede reducir el costo de comunicación en $s^2$, pero la varianza de las estadísticas de grafos publicadas aumenta en $s$. Los resultados experimentales muestran que el error $\ell_2$ para el conteo de triángulos se reduce hasta 1000 veces en comparación con los algoritmos de vanguardia existentes con el mismo costo de comunicación.
