该论文针对加密消息系统中虚假信息泛滥的问题，提出了一种名为FACTS（模糊匿名投诉计数系统）的隐私保护方案。随着WhatsApp、Signal、Telegram等端到端加密通信的普及，用户隐私得到增强，但同时也为虚假信息的传播提供了隐蔽渠道。现有解决方法要么破坏加密性，要么效率低下。FACTS的核心思路是：允许用户对消息进行匿名投诉，只有当投诉数量达到预设阈值时，系统才会揭示消息的内容和发送者。这一机制在保护隐私的同时，有效抑制了虚假信息的扩散。技术贡献方面，论文设计了一种新型协同计数布隆过滤器（collaborative counting Bloom filter），这是一种具有困难概率分析的简单构造，可作为隐私保护的随机计数草图数据结构独立使用。与先前工作相比，FACTS的创新之处在于引入了多投诉阈值，即在审计或标记消息前需要累积足够多的投诉，从而避免误报和恶意滥用。论文在安全性、隐私性和可扩展性上给出了严格定义：隐私性保证未收到或收到少量投诉的消息的发送者和内容不被泄露；安全性防止恶意用户逃避系统或过度影响投诉结果；可扩展性通过实验证明每天可处理数百万投诉。实验评估了数据结构的概率准确性，验证了方案的实用价值。该研究适合关注加密通信、隐私计算、虚假信息防御的安全研究者和工程师阅读。