这篇论文研究的是无中心可信运营者的节点间“相互证明”（mutual attestation）问题。在远程证明（remote attestation）场景中，每个节点为了验证对端节点的可信性，需要持有对端代码的参考度量值（reference measurement）。最朴素的方式是把这些参考值直接嵌入到节点自身代码中，但这样会形成互相引用，导致无限回归（infinite regress）。作者将这一困境称为“参考值引导问题”（reference-value bootstrapping problem）。现有解决方案要么依赖可信第三方（TTP），要么依赖外部提供的参考值，要么依赖特定架构的度量机制，这些都会引入额外信任假设或限制通用性。本文提出一种全新的、架构无关的解决方法：把引导问题形式化为一组互不动点方程（mutual fixed-point equations），并利用克利尼第二递归定理（Kleene's Second Recursion Theorem）来构造节点。该构造使得节点可以仅凭内置数据就互相重建对端的确切源代码，从而直接或间接得到参考度量值。对于直接测量脚本文件（如 Python）的场景，作者开发了 PyReflect，一个 Python 转译器，并基于它实现了 TPM 相互证明的概念验证；对于测量构建镜像（如 AWS Nitro Enclaves）的场景，作者开发了 NixReflect，一个 Nix 转译器，并在两个 Nitro Enclave 之间验证了可以仅从内置数据互相重建对方的参考 PCR 值。整个方案不依赖 TTP、不需要外部参考值，且能兼容现有证明栈。该论文的主要贡献是：首次将相互证明中的无限回归问题用递归定理优雅解决，提供了两个可工作的实现，并证明了其架构无关性。适合对可信计算、远程证明、系统安全感兴趣的读者阅读。