随着信息技术的发展，人们对信息的关注点不仅仅在数据本身，还需要知道数据的来源和演变等信息。这些数据的历史信息，也称为数据的溯源信息。在科学研究领域，数据溯源有广泛的应用，因为数据质量对科学家来说极其重要。其中有很多产生和收集溯源信息的系统，包括物理天文，化学，生物和海洋气象等研究领域。除此之外，溯源在数据重建，调试跟踪，安全和搜索等方面的应用也开始出现。但是在现有的诸多溯源系统中，溯源数据空间占用远远超过数据本身，在数据的内容与历史当中，处于次位的历史消耗了过多的资源，这就大大的降低了溯源系统的可用性和高效性。为了减少溯源数据的空间占用，而又不影响溯源完整性，Chapman等人提出了因式分解与继承（FAI）算法。FAI只是将溯源信息中的共同信息分析出来，进行优化。论文使用多维压缩算法，除了对溯源信息中共同的信息进行优化处理之外，还对数据本身的身份信息进行优化，同时挖掘溯源信息内在的相似性，将编码之后的溯源祖先信息使用web算法进行优化，进一步降低溯源祖先信息的存储开销，而且保证溯源信息查找性能不受影响，这是从微观层面对溯源数据进行优化存储。另外，从宏观层面来看，溯源数据随着时间无限增长，导致溯源空间和查询时间开销无限增长，针对这个问题，论文以PASS系统为研究实例，采用溯源信息分割，建立索引，压缩分割溯源文件等方式，利用溯源数据的局部性原理，改进了PASS系统的溯源存储和查找机制。实验表明，多维压缩算法无论在存储空间占用，还是身份或祖先信息查询方面都要好于FAI算法；在PASS系统的溯源存储优化中，使用数据库分割，建立索引，压缩分割的主数据库文件等方式，与原有的溯源存储方法比较，在空间占用和查询时间的开销方面都要好于原有的方法。