本文研究在有限域 F_q 上把矩阵乘法外包给单一（不可信）服务器时，采用秩不超过 r 的加性掩码能提供多强的统计隐私。针对独立均匀的 n×n 输入矩阵，作者证明两类自然采样方式——均匀 rank-ball 掩码，以及独立均匀因子的乘积——对服务器的完整视图（complete server view）所能达到的最大相关保密性（maximal-correlation secrecy）上界为 q^{-r}，而编码与解码各只需 O(n²r) 次有限域运算，开销与秩和矩阵规模成线性关系。该保密性指标量化的是服务器在观测到掩码后的输出后，仍能在多大程度上有效估计输入的任意函数。随后作者给出了与上界渐进匹配的下界：当 r=o(n) 时，上述两种采样方法在所有“输入无关、秩至多 r”的加性掩码中是渐进最优的，即便允许使用秘密的可逆变换（即额外的线性预处理）也无法突破。论文还刻画了均匀 rank-ball 掩码在任意联合输入分布下的后验分布，并在独立均匀输入下证明了针对矩阵行与列的近似个体安全性（approximate individual security）。最后给出一个负面结论：对于固定域大小 q 和有界 ε，任何输入无关、秩 r=o(n) 的加性掩码在条目级 (ε,δ)-差分隐私意义下都必须满足 δ→1，即无法提供有实际意义的条目级 DP 保证。整体上，论文用信息论方法给出了单服务器外包矩阵乘法中低秩掩码的保密性上界、可达性与最优性边界，并明确了加性掩码与差分隐私之间的根本张力。适合从事隐私计算、安全外包、信息论安全与密文计算的研究者与架构师阅读。