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。

论文提出 GDPRuler，一种用于不可信云环境中的键值存储（KVS）的可验证 GDPR 合规中间件系统。背景：GDPR等隐私法规对个人数据的存储、处理和审计提出严格要求，而KVS简单数据模型和不可信云部署使合规极具挑战。现有方案需侵入式代码修改、性能开销高或忽略合规机制本身的完整性。核心方法：GDPRuler 在机密虚拟机（CVM）内运行可信 GDPR 监视器，无需修改KVS代码。监视器强制执行GDPR策略、管理合规元数据、维护防篡改审计日志。声明式策略语言将核心GDPR义务转化为可执行的运行时规则。为提升效率，GDPRuler 将元数据紧凑编码到KV记录中，为GDPR特定查询建立专用元数据索引，仅以空间高效格式记录合规相关事件。实现：作为透明代理支持未修改的Redis和RocksDB。评估：使用YCSB和GDPR启发的工作负载，GDPRuler 开销低：吞吐量约为原生KVS的61%，其中CVM环境贡献28%-32%；元数据存储开销低于20%；GDPR查询通过元数据索引获得13-182倍加速。贡献：通过将可验证策略嵌入可信中间件层，为不可信云基础设施上的KVS提供了实现GDPR合规的实用路径。