该论文针对桌面操作系统（特别是 macOS）中应用数据收集与共享行为的隐私泄露问题进行了首次系统性研究。尽管 Web、移动和 IoT 生态系统的隐私风险已被广泛探讨，桌面应用却长期被忽视，而它们仍被大量使用，构成用户隐私的关键盲区。作者采用应用开发为中心的视角，梳理了 macOS 中多个监管数据访问与披露的机制（如权限提示、隐私标签、透明度与同意等），发现这些机制彼此割裂，数据抽象层次不一致，导致开发者合规复杂度上升，同时为未披露的隐私侵犯行为提供了便利。基于此，论文提出了 NutriScan 分析框架，结合静态和动态分析技术，对 macOS 应用的数据访问与披露行为进行统一视图的检测。作者使用 NutriScan 动态分析了 1000 个 macOS 应用，结果发现 85% 的应用访问用户数据 API 但未进行披露；49.7% 的应用向广告实体和托管服务商外发数据，其中 12.5% 无对应披露。研究还揭示桌面应用正被在线追踪器利用来丰富用户画像和设备指纹，扩大了在线追踪生态系统的真实范围。最后，作者提出了一系列缓解措施，旨在简化开发者的数据披露流程并改进 Apple 的应用审查流程。该论文是首个针对 macOS 应用生态数据披露机制的全面研究，填补了桌面端隐私研究的空白，对安全研究人员、平台监管者以及隐私合规工程师具有重要参考价值。

本文对25款流行的Android心理健康与生活教练应用进行了全面的隐私分析。研究方法结合了静态分析（检查APK中的权限声明和追踪器SDK）、动态网络流量捕获（识别实际数据传输）以及基于LLM的隐私政策提取（辅以人工标注）。主要发现包括：1）每个应用都嵌入了至少一个其隐私政策未明确列出的追踪器SDK，68%的应用未披露超过一半的已检测追踪器，其中“Talkie”嵌入了20个追踪器但一个也未披露；2）13个应用存在16项权限-政策矛盾，即清单文件中声明了危险权限（如相机、麦克风）但政策中未提及，6个应用在未披露收集照片、视频或音频的情况下请求相机或麦克风权限；3）48%的应用披露了第三方AI处理（如通过OpenAI、Anthropic、Groq），其中一个应用将日记条目同时发送给全部三个服务，另有7个应用仅使用模糊表述而未指明接收者身份。总体而言，当前披露实践远未达到知情同意所需的透明度。作者呼吁参照执业治疗师的专业和伦理标准，大幅更新监管框架。本文适合隐私研究员、移动安全分析师、监管机构以及心理健康应用开发者阅读。