比特币（Nakamoto, 2009）是一种纯点对点（P2P）网络环境中的加密货币，由Satoshi Nakamoto在2008年提出，其底层技术是区块链。目前，已有许多关于区块链在车联网（IoV）环境中应用的研究，主要包括认证机制（Sang et al., 2023, Luo et al., 2024）、隐私保护（Su et al., 2024）、信任管理（Zhao et al., 2024）、证书管理（Zhu et al., 2023）、数据共享（Guo et al., 2024）等。
然而，现有研究往往未能解决车联网中固有的两个核心挑战：网络拓扑的高动态性和终端设备的资源限制。特别是随着车联网应用的发展，交易类型已经从简单的状态数据交换扩展到停车、充电和收费等服务交易，甚至包括车辆租赁、保险索赔、碳信用和二手车流通等资产交易。这与基于区块链技术的现实世界资产代币化（RWA）的趋势相一致。应用场景的复杂性增加对区块链的数据存储和长期可追溯性能力提出了更高的要求，使得存储资源限制成为限制区块链在车联网中大规模部署的关键瓶颈之一。
存储的可扩展性已成为限制区块链应用实施的主要问题（Sun et al., 2021）。为了确保区块链的安全性，区块链的所有节点都需要同步完整的区块链。随着区块链的运行，区块链中的数据量不断增加，给存储资源有限的设备（如车辆）带来了巨大的存储压力。现有研究主要从两个方向解决这个问题：链下存储和链上存储。链下存储方案（Li et al., 2019, Zheng et al., 2018, Narayan et al., 2022, Singh et al., 2022）将实际的区块链数据存储在链外，并依赖外部节点进行持续通信。而链上存储方案通过协作存储（Kaneko and Asaka, 2018, Han et al., 2024, Xia et al., 2024, Meng et al., 2023, Li et al., 2020）或轻量级节点（Nakamoto, 2009, Kim et al., 2019, Heo et al., 2022a, Heo et al., 2022b）来减少本地负担，其中协作存储也需要与协作节点持续通信。然而，车联网的高动态性使得与存储区块的节点保持长期通信变得困难。而关于轻量级节点的研究主要集中在静态场景上，未能深入考虑动态剪枝对区块链系统的安全性、一致性和后续交易验证的影响。
在车联网环境中，节点只关注感兴趣的数据，因为过时的历史数据对于快速变化的交通场景中的实时决策意义不大（Yang et al., 2020）。可以看出，采用轻量级节点方法适用于车联网，在这种情况下，不相关或过时的历史数据可以在本地被剪除。因此，科学问题在于如何设计一种有效的区块链存储优化机制，以实现车联网中过时历史数据的安全本地剪除，同时最小化这种剪除对区块链系统整体效用的负面影响。
在传统的区块链架构下，不同节点之间的交易耦合度很高，难以针对特定节点进行剪枝。有向无环图（DAG）格结构（JURA团队，2018）提供了新的可能性。每个节点维护自己的独立账户链，只有该节点本身才能更新该账户链。这种设计有效地减少了不同账户之间交易的耦合。由于这种账户链的隔离特性，剪除某个节点的历史交易不会影响其他节点，使得该方法非常适合车联网的动态剪枝需求。
本研究的动机是开发一种基于DAG格结构的合理交易剪枝策略，以应对车联网的高动态性和资源限制，最小化对区块链的影响，并确保其支持RWA等新兴应用。因此，本文提出了一种基于DAG格结构的区块链存储优化机制。
本文的主要贡献如下：
- •
本文通过创新性地引入DAG格结构并提出有效的区块链存储优化机制，解决了车联网中的高动态性和资源限制问题。该机制通过剪除过时的历史数据来节省存储空间，弥补了现有轻量级节点解决方案在考虑动态环境影响方面的不足。
- •
本文提出了一个考虑三个因素的剪枝效用评估模型，并创新性地采用了带有强化学习（HHRL）的超启发式算法来优化系统的综合效用，解决了在动态车联网环境中无法定制优化算法以确定最佳剪枝策略的问题。
- •
通过广泛的实验比较分析，本文验证了基于HHRL的存储优化机制优于其他优化方法，并有效减少了区块链系统的负面影响，展示了其在支持车联网和RWA场景中区块链应用实施方面的潜力。
本文的其余部分组织如下：第2节描述了技术背景和相关工作；第3节介绍了本文的剪枝模型和效用评估模型；第4节介绍了剪枝效用的计算方法；第5节提出了基于HHRL的剪枝策略；第6节讨论了可能的安全问题并分析了如何处理这些问题；第7节通过实验验证了所建议的存储优化机制的性能；最后，第8节进行了总结。
