在云存储环境中，用户将数据远程存储在云服务器上而不保留数据备份。在这种情况下如何保证存储数据的完整性成为重要研究问题，其中动态数据的审计在实际应用中更为重要，因此需要一种高效率的动态审计方案。当用户进行数据更新时，云存储服务器利用文件Hash建立MHT结构，生成数据完整性审计证据发送给用户，用户以此验证存储数据是否被正确更新，现有基于MHT的完整性审计方案每次只能更新一个文件块，面对用户更新文件较大时无法并发更新，这使得整个审计效率较低。在面对无序文件时插入位置不同会导致验证证据量不同，选择合适插入位置能够减少证据量和MHT更新计算量，此外由于插入和删除过程中需要用户指定文件块编号，而采用顺序编号在每次插入和删除后都会导致大量文件顺序编号更新。基于这些问题本文工作如下：　　面对多个文件块插入同一位置情况提出多块文件插入RMHT更新算法。该算法通过将多个文件块聚合成为RMHT子树，再将子树插入到指定位置，能够在一次MHT更新中完成多个文件块插入，而一般RMHT算法则需要每个文件块依次插入。在面对连续多个文件块删除时提出多块文件删除RMHT更新算法，该算法判断某个父节点下所有叶子节点是否都需要被删除从而实现一次删除多个文件块。本文提出的删除插入算法实现了特定场合下的MHT并发更新和数据完整性审计，能够有效减少RMHT更新时所需的辅助信息量AAI。仿真实现算法，以更新所需AAI数量为标准，更新文件块数目和文件块总数为变量分别进行实验，仿真结果表明本文提出的算法RMHT插入和删除时所需AAI数量较少，且减少了后续更新RMHT所需AAI数量，方案效率更高。　　面对无序数据块情况，提出了最优插入位置查找算法。由于MHT在更新过程中往往会出现左右子树结构不一致，此时将数据块插入到深度较低的子树中可以减少验证过程中所需要的证据量。由于数据块的无序性不适宜采用顺序编号，本文提出了固定编号算法，利用数据块对应节点位于MHT结构中的位置确定其编号值，改进删除和插入算法使其不影响其他节点编号。仿真实现算法，以插入所需AAI数量为标准，插入数据块数目和数据块总数为变量分别进行实验，仿真结果表明本文提出的算法能够减少更新RMHT所需AAI数量，且后续更新时所需AAI数量更少。