该论文针对加密消息系统中虚假信息泛滥但用户隐私保护需求日益增长的矛盾，提出了一个名为FACTS（模糊匿名投诉计数系统）的新型解决方案。核心挑战在于如何在不牺牲端到端加密隐私的前提下，有效检测和阻止谣言、假新闻等误导性内容的病毒式传播。FACTS的核心思想是让用户对消息进行匿名投诉，但系统仅在单个消息收到的投诉数量超过预设高阈值时，才解密并公开该消息的具体内容及原始发送者。这种设计确保了未引起广泛怀疑的消息内容与发送者完全不被泄露，从而保护了多数用户的隐私。技术层面，作者提出了一种新颖的协作计数布隆过滤器（collaborative counting Bloom filter），这是一种概率性数据结构，能在分布式环境下以极小开销高效聚合匿名投诉计数，同时具备差分隐私性质。论文给出了该数据结构的详细概率分析、严格的安全性定义与证明，并通过实验验证了其在每天百万级投诉量下的实用性能。与先前工作相比，FACTS的主要创新在于引入了多投诉高阈值机制，有效防止了单次恶意举报导致的误报。该研究适合密码学、隐私保护、虚假信息检测以及安全消息系统领域的研究人员和工程师阅读。