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。