近日，2019级博士生常健（导师肖江教授）的论文“基于学习索引的图式区块链高效可验证查询机制”被《计算机研究与发展》期刊录用。

随着区块链系统中交易数据量的持续增长，支持高并发事务处理的图式区块链成为区块链技术的研究热点。图式区块链的高并发区块使得数据查询难以像传统链式结构依次遍历，根据图式结构采用广度优先或深度优先的遍历策略存在效率低、验证难等问题。针对以上问题，论文提出了一种基于学习索引的高效可验证的图式区块链查询机制Lever。文章通过引入学习索引技术对图式区块链中时序数据分布特征进行学习实现对索引过程的优化，通过函数运算的方式定位查询数据，提高查询速度和效率。同时，为了加快纪元内区块数据的过滤速度，在区块头部添加布隆过滤器，并为每个纪元生成一个聚合布隆过滤器，从而提高纪元内的数据遍历速度。此外，为保证查询结果的正确性和完整性，该机制结合布隆过滤器和排序默克尔树生成可验证对象，有效减小验证对象的规模，从而提高图式区块链查询过程的数据传输效率。实验结果表明，该机制能有效提高基于DAG（Directed Acyclic Graph）的图式区块链查询效率和可验证性，与Conflux的基本查询机制相比，Lever的查询性能最高提升了10倍，可验证对象大小开销可以降低90%。

《计算机研究与发展》是中国科学院计算技术研究所和中国计算机学会联合主办的学术性期刊，属于中国计算机学会CCF A类中文期刊，影响因子为3.789。

（通讯员：常健）