针对物联网(IoT)系统中海量数据存储成本大、数据溯源验证效率低等问题,提出一种基于Merkle山脉(MMR)的可信数据溯源方法MMRBCV。首先,利用IPFS存储IoT数据;其次,采用联盟链和私有链来设计一种双链结构,从而实现数据流转过程的可靠记录;最后,基于MMR设计区块结构,以实现轻量级IoT节点在数据溯源过程中的快速验证。实验结果表明,MMRBCV减少了数据溯源时所下载的数据量,且数据验证时间与MMR结构有关,当MMR可以组成一个完美二叉树时数据验证时间较短。当区块高度为200 000时,MMRBCV的最大验证时间约为10 ms,比SPV的最大验证时间(约为36 ms)缩短了约72%,可见所提方法有效提高了验证效率。
基于物理的光线追踪算法用于从三维场景模型生成逼真的二维图像,光线追踪渲染较为耗时,所以如何提高算法的效率成为研究热点。针对斯坦福大学经典的多线程光线追踪引擎——PBRT,考虑任务划分粒度和负载均衡等因素,基于两级任务划分体系,提出了动态自适应分布式并行光线追踪算法。实验中在保证高质量图像生成的前提下,使用80个CPU核时,改进算法比PBRT原算法获得了近乎线性的加速比。实验结果表明改进算法具有良好的效率和扩展性,能够有效地用于光线追踪成像,提高光线追踪成像效率。