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。