本文针对加密消息系统中的滥用追踪与用户隐私之间的根本矛盾展开研究。端到端加密虽然保护了用户通信的机密性，但也使平台无法有效进行内容审核，难以遏制网络滥用行为（如传播有害信息、骚扰等）。已有的可追踪方案允许平台识别消息的原始发送者或传播者，但这种能力若被滥用，可能演变为对无辜用户通信的大规模监控。为限制追踪权限，现有方法通常要求消息被多名用户举报或命中预定义黑名单后才可被追踪，但这类方案要么过度信任某一特定实体（例如定义黑名单的机构），要么依赖单一平台运营的多个服务器之间不会合谋这一不切实际的假设。本文提出了一种抗滥用的来源追踪方案，其核心思想是将追踪权限分散到现实世界中相互独立的多个实体上。作者首先给出了该方案的形式化语法定义，并证明了其安全性属性。方案实现了两个关键原则：一是最小信任，即只要参与追踪的实体中有一个保持诚实，即使其余所有实体合谋，也无法滥用追踪能力；二是最小信息泄露，即参与追踪的各方只能获取完成追踪所必需的信息，无法获知通信双方身份等无关信息。作者利用 Signal 协议中使用的密码学技术实现了该方案，实验评估表明，其性能与现有易受滥用攻击的先进方案相当。该研究为在加密通信系统中实现安全、可控的问责机制提供了一种新的设计思路，适合关注隐私增强技术、安全多方计算和消息内容审核的密码学研究者及系统安全工程师阅读。

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。