该论文研究了属性图上基于属性的社区搜索问题，并提出了一种隐私保护方法PACS。属性图是一种节点和边都带有属性的图结构，社区搜索旨在找到满足特定属性条件的紧密子图。传统社区搜索方法通常需要访问原始属性数据，可能泄露用户隐私。PACS通过集成加密技术和差分隐私机制，在保护节点属性和结构隐私的同时，支持高效的社区搜索查询。论文设计了安全的多方计算协议，使得服务器可以在密文上执行属性匹配和社区度量计算，而无需解密。实验证明了该方法在保障隐私的同时保持了较高的搜索准确率与效率。该工作贡献了首个同时支持属性过滤和结构约束的隐私保护社区搜索方案，适用于社交网络、生物信息学等敏感数据场景。