本文研究了敏感数据统计计算中的差分隐私协议，提出了一种结合本地和中央模型优点的混洗模型。研究贡献包括优化的私有协议、新的隐私放大界和高效的聚合协议，强调了多方设置下的隐私与效用平衡。实验结果验证了方法的有效性，显示隐私成本低于预期。

本文探讨了差分隐私协议在敏感数据统计计算中的设计，提出了一种混洗模型，结合本地和中央模型的优点，以确保用户匿名并提高统计精度。同时，研究了本地差分隐私技术和算法，以降低隐私成本，增强数据聚类和在线学习的隐私保护效果。