该论文针对跨消息应用（如 WhatsApp、Telegram、Signal 等）之间用户私人数据的关联问题进行了系统性研究。研究背景是，用户在不同平台上使用相同的用户名、电话号码、头像等元数据，可能被攻击者或第三方用于跨平台追踪和画像。作者提出了一套方法论，通过收集公开可访问的信息（如用户昵称、个人资料图片、电话号码哈希等），利用模糊匹配和机器学习算法识别同一用户在不同应用中的账号。实验部分构建了包含数千个志愿者账号的真实数据集，验证了该方法在多种场景下的有效性，并分析了现有隐私保护机制（如匿名化、头像模糊）的不足。主要贡献包括：首次量化了跨应用数据关联的风险；设计了一种低成本的探测技术；提出了增强用户隐私的建议，如强制使用不同昵称或随机化头像。该研究为隐私保护提供了重要的实证依据，适合安全研究员和隐私工程师阅读。