Cet article propose une méthode pour réduire les coûts de communication en utilisant des fonctions de hachage pour compter le nombre de sous-graphes sous confidentialité différentielle locale aux arêtes. Les algorithmes de calcul de statistiques de graphes existants basés sur la confidentialité différentielle locale aux arêtes présentent des coûts de communication élevés, ce qui les rend difficiles à appliquer aux graphes de grande taille. Dans cet article, nous introduisons le hachage de congruence linéaire pour résoudre ce problème. L'utilisation d'une fréquence d'échantillonnage $s$ peut réduire le coût de communication de $s^2$, mais la variance des statistiques de graphes publiées augmente de $s$. Les résultats expérimentaux montrent que l'erreur $\ell_2$ pour le nombre de triangles est réduite jusqu'à 1 000 fois par rapport aux algorithmes de pointe existants ayant le même coût de communication.
