该论文围绕职场监控（Workplace Surveillance）与内部威胁（Insider Threat, InT）风险管理展开。作者指出，职场监控是组织保护企业资产和监测员工生产力的常见手段，但过度监控可能违反法律要求和数据隐私原则。论文的核心观点有二：一是监控虽有合法组织目的，但过度监控会带来法律与隐私风险；二是职场监控的一个主要安全目标是检测内部威胁。内部威胁指拥有授权资源访问权限的个人，其有意或无意的行为可能损害或危及企业资产。为理解内部威胁的检测标准，论文调查了InT人员画像（persona），重点分析行为和心理学特征。此外，论文综述了现有的员工监控工具与技术，刻画了职场监控的整体格局，并讨论了工作场所隐私法律、过度监控的实例及其造成的隐私伤害。通过文献回顾，作者识别出与过度监控相关的研究空白，例如产生过多警报反而可能掩盖真正有意义的内部威胁指标。最后，论文提出若干建议：提升职场监控的透明度、实施内部威胁培训项目以增强组织检测能力、调整内部威胁工具以检测相关的心理和行为指标。该研究属于综述与分析性质，适合企业安全管理者、隐私法律合规人员、内部威胁检测工具开发者阅读，以平衡监控效率与员工隐私。

该论文针对互联网消息应用中隐私泄露分析困难的问题展开研究。作者指出，现有的静态分析技术通常只针对隐私的某个孤立方面（如机密性或匿名性），难以处理消息平台中多种隐私需求（如机密性、匿名性、不可关联性、用户同意）之间重叠甚至冲突的情况。为此，论文提出一个基于复合隐私模型的静态分析框架，该模型能够捕捉上述隐私需求之间的相互依赖关系，从而统一地对技术性隐私违规行为及其法律影响（例如违反数据保护法和数字权利）进行系统性识别。作者将该框架应用于消息平台中常用的实时通信服务器 Ejabberd（例如WhatsApp后端）进行案例研究，重点分析机密性和以同意为导向的隐私问题，包括用户知情权和删除权（被遗忘权）。实验结果表明，该方法能够有效桥接技术分析与法律问责之间的鸿沟，为消息平台的隐私合规审计提供了新思路。论文的主要贡献包括：一种复合隐私建模方法、对应的静态分析框架，以及在真实消息服务器上的验证。适合Privacy与Security交叉领域的研究人员、消息平台开发者以及关注数据合规的隐私工程师阅读。