论文vchain+笔记

论文链接：https://ieeexplore.ieee.org/document/9835165

概要

这篇论文是vchain的续作，但是总的思路与vchain大不相同了，不再使用跳表，而是改为滑动窗口方案。内部也不再使用Jaccard相似度来聚合交易对象，而是用了字典树。对于嵌套的布尔查询，vchain可以在一轮BFS中获取全部结果，即对每个遍历到的结点中包含的交易对象都要判断是否match；而vchain+需要进行多轮BFS，每轮BFS找匹配条件中一个关键字对应的交易对象ID。
总之，两者的主要差异在于区块中的merkle tree不同。vchain中的树的结点包含多个交易对象，而vchain+的树是字典树，是某个关键字的前缀（交易对象包含若干个关键字）。

思想

对于ObjReg索引来说，要保证最近2k-1个块的所有对象的ID是distinct的，这样就可以减少对象ID的size，从而减少公钥大小。为什么是2k-1个块，因为当查询的时间窗口小于k时，需要用两个窗口为k的查询的结果相减，然后得到最终结果，为了保证相减时不会出现ID重复的情况，所以ObjReg索引记录最近2k-1个块

问题

每个块的ObjReg索引怎么维护的？

对于一个包含很多条件的布尔表达式，需要对字典树进行很多轮BFS，这个会带来性能上的负担。

若关键字的size都很大（如256位），那么字典树的高度也会很高，BFS的性能也会下降。

Algorithm 2: Boolean Query Processing中第8行，如何merge？假如两次单关键字查询中某个节点n，第一次查询时n是mismatch的，第二次是match的，那么就会有关于这个结点的两个proof。考虑图Fig.9中，若查询的关键字为5e7a or 9a3e，那么内部结点 \(n_3\) 就会在proof中出现2次：当搜索5e7a时经过 \(n_3\)，那么其proof为 <5e>；当搜索9a3e时同样要经过 \(n_3\)，此时其proof为<5e,\(cildHash_3\)>。根据猜测，merge的方法是判断两个的关键字，若关键字相同，保留proof更短的（即不包括\(childHash_n\)的）