💻 computer science

DBHMT: Dynamic Balancing Hybrid Merkle Tree– Design, Optimization and Evaluation in IOTA Tangle for IoT-Enabled Healthcare 4.0

यह शोध पत्र डायनेमिक बैलेंसिंग हाइब्रिड मर्केल ट्री (DBHMT) का प्रस्ताव करता है, जो IOTA टैंगल-आधारित हेल्थकेयर 4.0 के लिए एक अनुकूलित डेटा संरचना है, जो संसाधन-सीमित IoT वातावरण के लिए सुरक्षा बनाए रखते हुए भंडारण लागत में चार गुना कमी लाने के लिए एक डायनेमिक प्रूनिंग तंत्र का उपयोग करता है।

मूल लेखक: Basker Palaniswamy, Md Noor-A-Rahim, Paolo Palmieri, Francesco Regazzoni, Ashok Kumar Das, Vivekananda Bhat K

प्रकाशित 2026-07-07

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Basker Palaniswamy, Md Noor-A-Rahim, Paolo Palmieri, Francesco Regazzoni, Ashok Kumar Das, Vivekananda Bhat K

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

मुख्य चित्र: स्वास्थ्य डेटा के लिए एक डिजिटल फाइलिंग कैबिनेट

कल्पना कीजिए कि अस्पतालों और डॉक्टरों द्वारा रोगी रिकॉर्ड को संग्रहीत करने के लिए उपयोग किया जाने वाला एक विशाल, साझा डिजिटल फाइलिंग कैबिनेट है। स्वास्थ्य सेवा के भविष्य (जिसे "हेल्थकेयर 4.0" कहा जाता है) में, इस कैबिनेट को अविश्वसनीय रूप से सुरक्षित होने की आवश्यकता है ताकि कोई भी रिकॉर्ड के साथ छेड़छाड़ न कर सके, लेकिन इसे पहनने योग्य स्वास्थ्य उपकरणों (जैसे स्मार्टवॉच या हार्ट मॉनिटर) के भीतर मौजूद छोटे कंप्यूटरों पर फिट होने के लिए पर्याप्त छोटा भी होना चाहिए।

समस्या यह है कि रिकॉर्ड को व्यवस्थित करने का वर्तमान तरीका (एक मानक "मर्कल ट्री" का उपयोग करना) एक ऐसे फाइलिंग कैबिनेट की तरह है जो सुपर-एक्सपोनेंशियल (अति-घातांकीय) रूप से बढ़ता है। हर बार जब एक नया रोगी रिकॉर्ड जोड़ा जाता है, तो कैबिनेट केवल थोड़ा बड़ा नहीं होता; यह आकार में विस्फोट कर देता है। सीमित स्टोरेज वाले उपकरणों के लिए, यह एक आपदा है।

इस शोध पत्र के लेखक एक नई, अधिक स्मार्ट फाइलिंग प्रणाली प्रस्तावित करते हैं जिसे DBHMT (डायनेमिक बैलेंसिंग हाइब्रिड मर्कल ट्री) कहा जाता है। उन्होंने इसका परीक्षण एक विशिष्ट प्रकार के डिजिटल लेजर पर किया जिसे IOTA Tangle (इंटरनेट ऑफ थिंग्स के लिए डिज़ाइन किया गया एक ब्लॉकचेन) कहा जाता है।

मुख्य समस्या: "बढ़ती हुई पूंछ" (The Growing Tail)

उनके समाधान को समझने के लिए, कल्पना कीजिए कि रोगी रिकॉर्ड एक पेड़ जैसी संरचना में व्यवस्थित हैं:

दायां हिस्सा (स्थिर/Static): ये उन रोगियों के हैं जिनकी लंबी अवधि या आजीवन स्थितियां हैं (जैसे मधुमेह या हृदय रोग)। उनके रिकॉर्ड हमेशा के लिए कैबिनेट में रहते हैं।
बायां हिस्सा (गतिशील/Dynamic): ये उन रोगियों के हैं जिनकी अल्पकालिक समस्याएं हैं (जैसे फ्लू, मामूली चोट, या मौसमी एलर्जी)। उनके रिकॉर्ड की केवल थोड़े समय के लिए आवश्यकता होती है।

एक मानक प्रणाली में, "बायां हिस्सा" बाहर की ओर बढ़ता रहता है, जिससे पुराने, समाप्त हो चुके रिकॉर्ड की एक विशाल, अव्यवस्थित "पूंछ" बन जाती है जिसकी अब किसी को आवश्यकता नहीं है। यह स्टोरेज स्पेस को जाम कर देता है।

समाधान: "डायनेमिक प्रूनिंग" माली

लेखकों का समाधान एक ऐसे माली की तरह काम करना है जो जानता है कि किन शाखाओं को काटना है।

हाइब्रिड ट्री: उन्होंने एक ऐसा पेड़ बनाया है जो आंशिक रूप से "n-ary" (कई शाखाएं) और आंशिक रूप से "बाइनरी" (दो शाखाएं) है, जिसे विशेष रूप से लंबी अवधि और अल्पकालिक रोगियों के मिश्रण को संभालने के लिए डिज़ाइन किया गया है।
प्रूनिंग तंत्र (Pruning Mechanism): उन्होंने एक "प्रूनिंग फैक्टर" (मान लीजिए कि यह $\alpha$ है) पेश किया है। यह एक नियम है जो कहता है, "यदि किसी रोगी का रिकॉर्ड समाप्त (expired) हो गया है (जैसे कि ठीक हो चुका जुकाम), तो पेड़ की उस शाखा को काट दें।"
संतुलन: पेचीदा हिस्सा यह है कि यदि आप बहुत अधिक काटते हैं, तो आप सुरक्षा खो देते हैं (आप यह साबित नहीं कर सकते कि रिकॉर्ड मौजूद था)। यदि आप बहुत कम काटते हैं, तो आपके पास स्टोरेज खत्म हो जाता है।

"गोल्डिलॉक्स" खोज (अनुकूलन/Optimization)

कितना काटना है, इसका सही स्तर ढूंढना एक गणितीय पहेली है जो अविश्वसनीय रूप से कठिन (NP-hard) है। यह एक ऐसे शॉवर के लिए सही तापमान खोजने जैसा है जहाँ आप चाहते हैं कि पानी इतना गर्म हो कि आप सहज महसूस करें लेकिन इतना भी गर्म नहीं कि आप जल जाएं, और वह भी तब जब पानी का दबाव लगातार बदल रहा हो।

एल्गोरिदम: लेखकों ने Adam Optimization (ग्रेडिएंट डिसेंट का एक प्रकार) नामक एक स्मार्ट गणितीय उपकरण का उपयोग किया है। इसे एक रोबोट माली के रूप में सोचें जो अलग-अलग काटने के कोणों को आजमाता है, अपने परिणामों की जांच करता है, और धीरे-धीरे अपनी कैंची को तब तक समायोजित करता है जब है जब तक कि वह परफेक्ट कट न मिल जाए।
परिणाम: उन्होंने पाया कि लगभग 30% गतिशील शाखाओं को काटना (0.7 का प्रूनिंग फैक्टर छोड़ना) सबसे सटीक बिंदु था।

परिणाम: 4 गुना सुधार

जब उन्होंने दस लाख लेनदेन (एक विशाल मात्रा में स्वास्थ्य डेटा का अनुकरण करते हुए) के साथ इस प्रणाली का परीक्षण किया:

पुरानी प्रणाली: स्टोरेज लागत अनियंत्रित रूप से फूलते हुए गुब्बारे की तरह बेतहाशा बढ़ी।
नई प्रणाली (DBHMT): स्टोरेज लागत प्रबंधनीय रही।
जीत: नए सिस्टम ने पारंपरिक पद्धति की तुलना में चार गुना कम स्टोरेज स्पेस का उपयोग किया।

सुरक्षा: क्या हमने बहुत अधिक काट दिया?

लेखक इस बात के प्रति बहुत सावधान थे कि इन शाखाओं को काटने से उनकी सुरक्षा भंग न हो। उन्होंने गणितीय रूप से सिद्ध किया कि प्रूनिंग के बावजूद:

अखंडता (Integrity): आप अभी भी यह साबित कर सकते हैं कि एक रिकॉर्ड पेड़ का हिस्सा है।
हमलों के प्रति प्रतिरोध: एक हैकर के लिए नकली रिकॉर्ड बनाना या दो अलग-अलग रिकॉर्ड ढूंढना जो एक जैसे दिखते हों (कोलिजन), अभी भी गणनात्मक रूप से असंभव है।

उन्होंने एक "सुरक्षा मानचित्र" (Pareto front) बनाया जो यह दिखाता है कि आप कितना स्टोरेज बचाते हैं बनाम आप कितनी सुरक्षा खो सकते हैं, यह सुनिश्चित करता है कि सिस्टम सुरक्षित सीमाओं (जैसे 128-बिट या 256-बिट सुरक्षा स्तर) के भीतर रहे।

वास्तविक दुनिया का संदर्भ (जैसा कि पेपर में बताया गया है)

पेपर विशेष रूप से उल्लेख करता है कि यह IoT-सक्षम हेल्थकेयर 4.0 के लिए डिज़ाइन किया गया है।

उपकरण: पहनने योग्य फिटनेस ट्रैकर, डिजिटल थर्मामीटर और पल्स ऑक्सीमीटर।
उपयोग का मामला: दीर्घकालिक (chronic) और गैर-दीर्घकालिक (non-chronic) रोगियों दोनों के इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (EHR) का प्रबंधन करना।
प्लेटफॉर्म: यह IOTA Tangle पर बनाया गया है, जो एक विकेंद्रीकृत नेटवर्क है जिसमें लेनदेन के लिए शुल्क नहीं लिया जाता है, जिससे यह गैर-मौद्रिक स्वास्थ्य डेटा के लिए आदर्श बन जाता है।

सारांश

यह शोध पत्र डिजिटल स्वास्थ्य रिकॉर्ड को व्यवस्थित करने का एक नया तरीका प्रस्तुत करता है जो एक स्मार्ट, स्व-सफाई करने वाले फाइलिंग कैबिनेट की तरह कार्य करता है। अल्पकालिक रिकॉर्ड को स्वचालित रूप से "प्रून" (हटाने) और दीर्घकालिक रिकॉर्ड को बनाए रखने के माध्यम से, और एक स्मार्ट एल्गोरिदम का उपयोग करके यह खोजने के लिए कि सही संतुलन क्या है, उन्होंने एक ऐसी प्रणाली बनाई है जो डेटा को सुरक्षित रखने के लिए आवश्यक सुरक्षा से समझौता किए बिना 4 गुना अधिक कुशल है।

तकनीकी सारांश: DBHMT – IoT-सक्षम हेल्थकेयर 4.0 के लिए डायनेमिक बैलेंसिंग हाइब्रिड मर्केल ट्री

1. समस्या विवरण (Problem Statement)

छठी पीढ़ी (6G) तकनीक के उदय और हेल्थकेयर 4.0 के विकास ने संसाधन-सीमित इंटरनेट ऑफ थिंग्स (IoT) वातावरण के भीतर इलेक्ट्रॉनिक हेल्थ रिकॉर्ड्स (EHRs) के सुरक्षित, पारदर्शी और कुशल प्रबंधन की मांग को तीव्र कर दिया है। जबकि IOTA टेंगल (Tangle) जैसी विकेंद्रीकृत संरचनाएं आवश्यक सुरक्षा और पारदर्शिता प्रदान करती हैं, वे स्टोरेज दक्षता के संबंध में महत्वपूर्ण चुनौतियों का सामना करती हैं।

पारंपरिक हेल्थकेयर 4.0 परिदृश्यों में, रोगी डेटा गतिशील विशेषताओं को प्रदर्शित करता है: कुछ रिकॉर्ड (जैसे, अल्पकालिक बीमारियाँ, चोटें) का जीवनकाल छोटा होता है, जबकि अन्य (जैसे, पुरानी स्थितियाँ/क्रोनिक कंडीशंस) आजीवन होती हैं। पारंपरिक मर्केल ट्री (Merkle tree) कार्यान्वयन, जो लेनदेन की मात्रा के साथ सुपर-एक्सपोनेंशियल (super-exponentially) रूप से बढ़ते हैं, इन गतिकी को कुशलतापूर्वक समायोजित करने में विफल रहते हैं। जैसे-जैसे ट्री ऐतिहासिक डेटा को शामिल करने के लिए विस्तारित होता है, स्टोरेज लागत अत्यधिक हो जाती है, जो IoT उपकरणों के लिए निषेधात्मक है। इसके अलावा, पारंपरिक ब्लॉकचेन (जैसे, पुराने ब्लॉक्स को हटाना) के लिए मौजूदा स्टोरेज अनुकूलन तकनीकों को IOTA टेंगल के डायरेक्टेड एसाइक्लिक ग्राफ (DAG) संरचना के लिए पर्याप्त रूप से खोजा या अनुकूलित नहीं किया गया है, विशेष रूप से स्टोरेज रिडक्शन और क्रिप्टोग्राफिक सुरक्षा गारंटी (इंटीग्रिटी, प्री-इमेज रेजिस्टेंस, कोलिजन रेजिस्टेंस) के बीच संतुलन बनाने के संदर्भ में।

2. कार्यप्रणाली (Methodology)

लेखक एक नवीन डेटा संरचना प्रस्तावित करते हैं जिसे डायनेमिक बैलेंसिंग हाइब्रिड मर्केल ट्री (DBHMT) कहा जाता है, जिसे विशेष रूप से IOTA टेंगल के लिए डिज़ाइन किया गया है। कार्यप्रणाली में तीन मुख्य घटक शामिल हैं: संरचनात्मक डिज़ाइन, गणितीय मॉडलिंग और अनुकूलन।

2.1 संरचनात्मक डिज़ाइन: हाइब्रिड ट्री

DBHMT एक वर्टिकल रूप से विभाजित हाइब्रिड संरचना है जो $n$ -ary ट्री और एक बाइनरी ट्री को जोड़ती है:

स्थिर पक्ष (Static Side - दायां): यह दीर्घकालिक या आजीवन स्थितियों वाले रोगियों का प्रतिनिधित्व करता है। यह पक्ष स्थिर रहता है और इसे प्रून (prune) नहीं किया जाता है, जिससे दीर्घकालिक ऐतिहासिक अखंडता बनी रहती है।
गतिशील पक्ष (Dynamic Side - बायां): यह अल्पकालिक या क्षणिक स्थितियों वाले रोगियों का प्रतिनिधित्व करता है। यह पक्ष अत्यधिक गतिशील है, जहाँ ब्लॉक्स जल्दी समाप्त (expire) हो जाते हैं।
प्रूनिंग तंत्र (Pruning Mechanism): गतिशील पक्ष पर "बढ़ती हुई पूंछ" (growing tail) को नियंत्रित करने के लिए, लेखक एक प्रूनिंग तंत्र पेश करते हैं। बाएं पक्ष के ब्लॉक्स को उनके समाप्त होने के बाद हटा दिया जाता है, जिसे एक प्रूनिंग फैक्टर ( $\alpha$ या $p$ ) द्वारा नियंत्रित किया जाता है। यह उच्च-लेनदेन वाले स्वास्थ्य सेवा परिदृश्यों में मानक मर्केल ट्री की सुपर-एक्सपोनेंशियल वृद्धि को रोकता है।

2.2 गणितीय मॉडलिंग और सुरक्षा विश्लेषण

पेपर DBHMT के संरचनात्मक और सुरक्षा गुणों के लिए क्लोज्ड-फॉर्म एनालिटिक एक्सप्रेशन (closed-form analytic expressions) व्युत्पन्न करता है:

ऊंचाई और स्टोरेज: प्रभावी ऊंचाई और कुल नोड गणना को कुल नोड्स ( $N$ ), ट्री लेवल्स ( $m, n$ ), और प्रूनिंग फैक्टर के फलन (function) के रूप में गणना की जाती है। यह दिखाया गया है कि स्टोरेज लागत रिटेन किए गए डायनेमिक नोड्स का एक फलन है।
सुरक्षा बाधाएं: लेखक विश्लेषण करते हैं कि प्रूनिंग चार महत्वपूर्ण सुरक्षा गुणों को कैसे प्रभावित करती है:
1. इंटीग्रिटी (Integrity): समावेश प्रमाणों (inclusion proofs) के जालसाजी के प्रति प्रतिरोध।
2. प्री-इमेज रेजिस्टेंस (Pre-image Resistance): हैश आउटपुट से इनपुट खोजने में कठिनाई।
3. सेकंड प्री-इमेज रेजिस्टेंस (Second Pre-image Resistance): दिए गए हैश के लिए वैकल्पिक इनपुट खोजने में कठिनाई।
4. कोलिजन रेजिस्टेंस (Collision Resistance): एक ही हैश के साथ दो इनपुट खोजने में कठिनाई।
  विश्लेषण स्थापित करता है कि जबकि प्रूनिंग कुछ गुणों (जैसे, सेकंड प्री-इमेज) के लिए हमले के दायरे को कम करती है, यह रिटेंशन अनुपात के आधार पर अन्य गुणों (जैसे, प्री-इमेज रेजिस्टेंस) को कम कर सकती है।

2.3 अनुकूलन एल्गोरिदम (Optimization Algorithm)

अनुकूलतम प्रूनिंग फैक्टर खोजने को एक नॉन-कॉन्वेक्स (non-convex), NP-hard, मल्टी-ऑब्जेक्टिव ऑप्टिमाइज़ेशन समस्या के रूप में तैयार किया गया है। इसका उद्देश्य सुरक्षा बाधाओं (जैसे, 128-बिट या 256-बिट सुरक्षा स्तर बनाए रखना) को पूरा करते हुए स्टोरेज लागत को न्यूनतम करना है।

ऑब्जेक्टिव फंक्शन: ऊंचाई असंतुलन, कुल ऊंचाई, स्टोरेज लागत और सुरक्षा दंड को संतुलित करने वाला एक कंपोजिट फंक्शन।
सॉल्वर: समस्या की नॉन-कॉन्वेक्स प्रकृति के कारण, लेखक Adam ऑप्टिमाइज़ेशन के साथ ग्रेडिएंट डिसेंट (Gradient Descent) दृष्टिकोण का उपयोग करते हैं। यह विधि अभिसरण (convergence) को तेज करने और लोकल मिनिमा से बाहर निकलने के लिए फर्स्ट और सेकंड मोमेंट एस्टिमेट का उपयोग करती है, जिससे वह इष्टतम प्रूनिंग फैक्टर ( $p^*$ ) निर्धारित करती है जो सुरक्षा बाधाओं को पूरा करते हुए स्टोरेज को न्यूनतम करता है।

3. प्रमुख योगदान (Key Contributions)

पेपर चार प्राथमिक योगदानों को रेखांकित करता है:

नवीन वास्तुकला: IOTA टेंगल के लिए विशेष रूप से तैयार किए गए DBHMT का प्रस्ताव, जो वर्टिकल पार्टीशनिंग (स्थिर बनाम गतिशील) के माध्यम से स्वास्थ्य डेटा की गतिशील प्रकृति को समायोजित करता है।
डायनेमिक प्रूनिंग अवधारणा: एक डायनेमिक बैलेंसिंग तंत्र का परिचय जहाँ प्रूनिंग फैक्टर को ट्री के उपयोग के मामले के आधार पर एडजस्ट किया जा सकता है, जिससे निरंतर (constant), सब-लीनियर (sub-linear), या लीनियर स्टोरेज अनुकूलन सक्षम होता है।
सैद्धांतिक ढांचा: ट्री की ऊंचाई, स्टोरेज लागत, प्रूफ कॉम्प्लेक्सिटी और प्रूनिंग के तहत सुरक्षा सीमाओं के लिए क्लोज्ड-लूप एनालिटिक एक्सप्रेशन का व्युत्पत्ति। इसमें रैंडम ऑरेकल मॉडल के तहत एक कठोर गेम-बेस्ड सुरक्षा प्रमाण शामिल है।
अनुकूलन समाधान: इष्टतम प्रूनिंग फैक्टर खोजने की NP-hard समस्या को हल करने के लिए Adam ऑप्टिमाइज़ेशन का उपयोग करते हुए एक इटरेटिव एल्गोरिदम का विकास, जो स्टोरेज दक्षता और सुरक्षा के बीच के ट्रेड-ऑफ को प्रभावी ढंग से नेविगेट करता है।

4. परिणाम और मूल्यांकन (Results and Evaluation)

लेखकों ने IOTA टेंगल प्लेटफॉर्म पर DBHMT को लागू किया और दस लाख लेनदेन (one million transactions) वाले प्रूफ-ऑफ-कॉन्सेप्ट मूल्यांकन का संचालन किया।

स्टोरेज दक्षता: प्रयोगात्मक परिणाम दर्शाते हैं कि DBHMT पारंपरिक मर्केल ट्री की तुलना में चार गुना (4x) स्टोरेज लागत में कमी प्राप्त करता है। यह दक्षता अंतर लेनदेन की संख्या बढ़ने के साथ बढ़ता जाता है, विशेष रूप से अल्पकालिक डेटा (जैसे, महामारी या फ्लू सीजन) के उच्च वॉल्यूम वाले परिदृश्यों में।
सुरक्षा सत्यापन: सैद्धांतिक विश्लेषण और गेम-बेस्ड प्रमाण पुष्टि करते हैं कि एक इष्टतम प्रूनिंग फैक्टर (अध्ययन में $p \approx 0.7$ के आसपास पहचाना गया) के साथ, DBHMT अपनी क्रिप्टोग्राफिक शक्ति बनाए रखता है। सुरक्षा गुण (इंटीग्रिटी, प्री-इमेज, सेकंड प्री-इमेज और कोलिजन रेजिस्टेंस) आक्रामक प्रूनिंग के बावजूद भी स्वीकार्य मार्जिन (जैसे, $2^{40}$ क्वेरी के लिए नगण्य एडवर्सरियल एडवांटेज) के भीतर रहते हैं।
अभिसरण (Convergence): Adam-आधारित ऑप्टिमाइज़ेशन एल्गोरिदम इष्टतम प्रूनिंग फैक्टर की ओर सफलतापूर्वक अभिसरित हुआ, जो गतिशील वातावरण में नॉन-कॉन्वेक्स स्टोरेज-सिक्योरिटी ट्रेड-ऑफ को हल करने की व्यवहार्यता को प्रदर्शित करता है।

5. महत्व और दावे (Significance and Claims)

पेपर दावा करता है कि DBHMT विकेंद्रीकृत स्वास्थ्य रिकॉर्ड के लिए आवश्यक मौलिक सुरक्षा गारंटी से समझौता किए बिना, IoT-सक्षम हेल्थकेयर 4.0 के लिए स्टोरेज बॉटलनेक का एक व्यावहारिक समाधान प्रदान करता है।

स्केलेबिलिटी: स्टोरेज लागत को सुपर-एक्सपोनेंशियल के बजाय लीनियर या सब-लीनियर स्केल करने में सक्षम बनाकर, DBHMT उच्च-वॉल्यूम, संसाधन-सीमित IoT हेल्थकेयर अनुप्रयोगों के लिए IOTA टेंगल को व्यवहार्य बनाता है।
लचीलापन: यह फ्रेमवर्क एक ट्यूनेबल ट्रेड-ऑफ की अनुमति देता है, जहाँ चिकित्सक एक ऐसा प्रूनिंग फैक्टर चुन सकते हैं जो विशिष्ट नियामक या परिचालन सुरक्षा थ्रेशोल्ड (जैसे, HIPAA अनुपालन) को पूरा करता है और साथ ही स्टोरेज दक्षता को अधिकतम करता है।
व्यापक प्रभाव: लेखक सुझाव देते हैं कि यह दृष्टिकोण न केवल ओपन-सोर्स IOTA समुदाय को बल्कि उन पारंपरिक ब्लॉकचेन नेटवर्क (प्राइवेट और कंसोर्टियम) को भी लाभ पहुँचा सकता है जो अपने प्रोप्रायटरी अनुप्रयोगों के लिए स्टोरेज को अनुकूलित करना चाहते हैं।

पेपर निष्कर्ष निकालता है कि हालांकि प्रस्तावित समाधान स्टोरेज ओवरहेड को काफी कम कर देता है, यह विशेष रूप से उन परिदृश्यों के लिए डिज़ाइन किया गया है जहाँ डेटा का एक सीमित जीवनकाल होता है। यह स्वीकार करता है कि स्थायी, अपरिवर्तनीय ऐतिहासिक प्रतिधारण की आवश्यकता वाले अनुप्रयोगों के लिए, इस प्रकार की प्रूनिंग रणनीतियाँ लागू नहीं होंगी। भविष्य के कार्य के रूप में उन्नत अनुकूलन तकनीकों (जैसे, न्यूटन का मेथड) और IOTA 2.0 नेटवर्क पर वास्तविक दुनिया के परिनियोजन (deployment) की खोज करने का प्रस्ताव दिया गया है।