论文研究比特币矿工交易内存池（mempool）中的线性化问题。在比特币系统中，交易持续到达矿工的内存池，等待被包含在后续区块中。每笔非coinbase交易必须花费由先前交易创建的未花费输出，这导致了内存池中交易之间的依赖约束。同时，矿工在经济激励下倾向于优先处理具有更高费率（每单位大小交易费）的交易。该问题被形式化为：给定一组交易及其关联费用、大小和依赖关系，计算一个尊重依赖关系的交易排序，以最大化费率效率，同时支持内存池动态演变时的高效更新。通过将交易划分为不相交的依赖尊重子集，并按聚合费率递减排序来刻画问题，并给出了等价的线性规划（LP）公式。受单纯形法中基本可行解结构性质的启发，提出了一种称为生成森林线性化（SFL）的新算法。该算法直接在交易依赖图上操作，通过迭代合并和分割交易块来优化全局排序，并保证最终收敛到最优解。在合成数据和真实比特币内存池数据上的评估表明，SFL能够持续计算出最优线性化，且运行时间显著低于竞争方法（包括基于Gallo、Grigoriadis和Tarjan的参数预流算法）。研究结果表明，SFL为去中心化矿工在大型且快速演化的内存池中提供了一种实用且可扩展的交易优先级排序框架。该算法已被纳入Bitcoin Core代码库，用于交易簇线性化。

本文研究加密内存池（encrypted mempool）在永续合约（perpetual futures）资金费率场景下的安全性问题。加密内存池旨在隐藏交易内容直到执行顺序固定，从而防止最大化提取价值（MEV）攻击。然而，本文揭示了一种新型攻击：自作者状态操纵（self-authored state manipulation），即攻击者知晓自己的交易并拥有下游对交易改变状态的索取权。永续合约的资金费率是典型例子：资金费率信号决定转移率，接收方未平仓量是转移基数。在“提交后揭示”的内存池中，自适应的纠正交易无法进入已提交的批次，因此即使密码学解密开销可忽略，隐私也会造成经济反应缺口。作者通过可执行的套利机会为纠正行为构建微观基础：纠正者根据局部价格影响和库存成本选择订单规模，而协议信息调度决定哪些机会可操作。排序障碍将普通自适应搜索者排除在封闭阶段之外，导致封闭阶段的纠正率低于自适应纠正率（当存在正的自适应能力时）。进入资金窗口的扭曲乘以明确的响应因子。交易隐私还能降低可预测资金进入价格的资本化，产生第二个放大通道。最终形成的局部安全指数将攻击者盲目性、纠正屏蔽和资本化屏蔽分离。本文适合DeFi协议设计者、MEV研究者及区块链安全工程师阅读，以理解加密内存池在动态博弈下的安全权衡。

本文提出一种实用的一站式设置批处理阈值加密方案，旨在解决区块链mempool（交易内存池）中的隐私问题。在现有区块链系统中，交易在被打包进区块前通常以明文形式广播到mempool，这导致交易信息提前泄露，可能被利用进行抢先交易（front-running）或三明治攻击。作者设计了一种基于阈值加密的协议，允许交易在加密状态下广播，只有一组阈值节点协作才能解密，从而保护交易隐私。该方案的关键创新在于只需一次公共设置即可支持多批交易加密，显著降低了通信和计算开销。通过安全性分析和实验评估，论文证明了该方案在不牺牲去中心化特性的前提下实现了高效的mempool隐私保护，适用于以太坊等智能合约平台。研究贡献包括形式化定义、协议构造以及性能基准测试。适合区块链安全研究人员、协议开发者及对DeFi安全性感兴趣的从业者阅读。

该论文研究了以太坊内存池（mempool）中交易的动态调度与定价问题。现有EIP-1559算法主要从静态视角分析价格演化，忽略了交易在内存池中的动态到达与等待过程。为此，作者将问题建模为马尔可夫决策过程（MDP），其中状态表示内存池的配置（即等待交易的大小和单位价值分布），动作对应区块价格。首先，作者给出了静态EIP-1559机制的原始-对偶解释，证明区块价格自然作为社会福利最大化问题的对偶变量出现。基于此视角，将框架扩展到动态场景，目标是最优长期折现奖励，并引入持有成本和超调惩罚。然后采用自然策略梯度（NPG）算法计算最优策略。结果表明，动态定价能够稳定内存池并对长期折现奖励实现最大化。特别地，随着超调惩罚增加，平均调度交易量收敛到目标区块容量，并且NPG更新规则与EIP-1559价格更新规则非常相似。最后，论文研究了MDP公式的两个特例：同质交易和均匀到达。在同质交易设置中，协议直接控制调度量，最优策略具有阈值结构。对于均匀到达，提出了bang-bang定价机制，并推导了保证系统稳定性所需区块容量的下界。该工作为以太坊内存池的动态定价提供了理论框架和算法支持，对区块链网络中的交易调度与费用市场设计有重要参考价值。