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。

这篇论文针对加密消息系统中滥用行为（如传播儿童色情、恐怖主义内容）的追溯问题，提出了一种新的可追溯性框架。现有方案通常依赖完全可信的第三方或中心化机构，但这样会引入隐私风险或单点故障。作者设计了一种基于密码学技术的方案，在最小化信任假设（即无需完全信任任何单一实体）的情况下，实现对特定消息的追溯，同时保证普通消息的端到端加密属性不被破坏。核心方法包括使用可链接群签名、秘密共享和多方计算等技术，使得只有符合预设政策（如法院命令）的合法请求才能追溯特定用户，且追溯过程不会泄露无关信息。实验分析表明，该方案在计算和通信开销上具有实用性，并提供了形式化的安全性证明。论文的贡献在于：首次在加密消息系统中实现了抗滥用的可追溯性与最小信任假设的平衡，为监管合规与隐私保护的冲突提供了一种可行的密码学解决方案。