Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Tamu: Zihao Li, mahasiswa PhD di Universitas Politeknik Hong Kong

Diselenggarakan oleh: aididiao.eth, Berita Tinjauan ke Depan

Artikel ini merupakan rangkuman dari video yang dibagikan oleh Zihao Li, mahasiswa doktoral di Universitas Politeknik Hong Kong dalam Web3 Young Scholars Program. Program Cendekiawan Muda Web3 diprakarsai bersama oleh DRK Lab, imToken dan Crytape.Para sarjana muda ternama di bidang enkripsi akan diundang untuk berbagi beberapa hasil penelitian terbaru dengan komunitas Tiongkok.

Halo semuanya, saya Zihao Li, mahasiswa doktoral tahun ketiga di Universitas Politeknik Hong Kong. Topik yang akan saya bagikan hari ini adalah "Mengungkap Aktivitas MEV dalam Paket Transaksi Ethereum". Sederhananya, ini adalah cara menemukan jenis aktivitas MEV yang tidak diketahui di jaringan Ethereum melalui paket transaksi. Pertama, saya akan memberikan latar belakang pengenalan yang relatif mendasar, seperti konsep MEV, mekanisme paket transaksi, dan latar belakang pekerjaan kami. Kemudian saya akan memperkenalkan alur kerja lengkap dan beberapa ide desain secara detail, seperti prinsip desain apa yang mendasari alur kerja tersebut; kumpulan data apa yang kami miliki; alat apa yang kami gunakan untuk mengevaluasi alur kerja kami pada indikator apa, dll. Terakhir, saya akan memperkenalkan tiga penerapan termasuk hasil analisis empiris yang relevan.

Latar belakang pengenalan: MEV, paket transaksi, motivasi

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Aktivitas MEV berarti arbitrase di blockchain menghasilkan transaksi arbitrase dengan memantau jaringan blockchain, termasuk status blok. Beberapa informasi transaksi tersebar di jaringan P2P blockchain, atau beberapa transaksi yang belum diunggah secara resmi ke rantai disimpan di kumpulan transaksi penambang atau verifikator. Ketika arbitrase memantau informasi transaksi ini, ia menghasilkan informasinya sendiri melalui beberapa strategi. Transaksi arbitrase, kemudian tentukan transaksi arbitrase tersebut pada posisi tertentu di blok berikutnya, misalnya ingin menjadi pemimpin blok berikutnya, atau dengan kata lain mengeksekusi transaksi strategis segera setelah transaksi tertentu menyebar. perdagangan arbitrase yang sama. Dengan cara ini, untuk menentukan aktivitas arbitrase di lokasi tertentu, kita dapat menganggapnya sebagai aktivitas MEV. Misalnya, jika seorang arbitrase memantau fluktuasi harga aset, ia dapat membeli aset terkait di kumpulan perdagangan dengan harga rendah, dan kemudian menjualnya pada titik tinggi di kumpulan lain dengan harga tinggi.Ini dianggap sebagai aktivitas MEV.

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Saat ini, aktivitas MEA sebagian besar dilakukan oleh arbitrase seputar ekologi DeFi, karena ekologi DeFi saat ini sebagian besar mengumpulkan aset. Sejauh ini, ekologi DeFi Ethereum dan rantai lainnya telah menarik modal lebih dari 40 miliar dolar AS. Di sini kita perlu menyebutkan konsep tentang ekologi DeFi, yang disebut tindakan DeFi, yang sesuai dengan operasi layanan atom yang disediakan oleh aplikasi DeFi. Misalnya, kita tahu bahwa AMM mendukung pertukaran antara berbagai jenis aset. Pengguna dapat menjual USDC , lalu dapatkan sejumlah ETH. Operasi tersebut dapat didefinisikan sebagai tindakan DeFi. Kita dapat menggunakan tindakan DeFi untuk mengekspresikan aktivitas MEV. Misalnya, jika pengguna mendeteksi adanya kesenjangan harga aset di AMM yang berbeda, pengguna dapat membeli dengan harga rendah dan menjual dengan harga tinggi, dan akhirnya memperoleh keuntungan selisih harga. Aktivitas MEV ini dapat kita ekspresikan sebagai dua tindakan DeFi.

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Saat ini, penelitian akademis mengenai aktivitas MEV terutama dibagi menjadi tiga kategori, yaitu serangan sandwich, arbitrase terbalik, dan likuidasi.Dalam kumpulan data yang kami kerjakan, kami menemukan bahwa ketiga jenis aktivitas MEV ini muncul lebih dari 1 juta kali. Sebenarnya ada permasalahan disini, setelah kita mengetahui pengertian kegiatan MEV tersebut, bagaimana cara mengidentifikasi terjadinya kegiatan tersebut. Jika kita ingin mengidentifikasi aktivitas MEV tersebut, kita perlu mengidentifikasi seluruh aktivitas arbitrase, seperti transaksi apa yang dihasilkan oleh arbitrase tersebut dan jenis arbitrase apa saja yang termasuk dalam transaksi tersebut, kemudian kita dapat menentukan jenis aktivitas MEV yang sedang terjadi. ., dan seluruh proses sangat bergantung pada definisi kami tentang aktivitas MEV yang diketahui. Ambil contoh serangan sandwich.Setelah kita mengetahui definisi serangan sandwich, jika kita ingin menentukan nilai arbitrase dari serangan sandwich dan transaksi arbitrase yang terkait, kita perlu menyiapkan banyak aturan berdasarkan definisi tersebut, dan kemudian menyaring kandidat serangan sandwich melalui aturan nilai arbitrase dan perdagangan ini. Saat mengidentifikasi jenis serangan MEV yang diketahui dengan cara ini, ada dua pertanyaan: Pertanyaan pertama adalah apakah tiga aktivitas MEV yang umum kita ketahui dapat mewakili seluruh aktivitas MEV? Jelas tidak, karena ekosistem DeFi selalu berkembang, aplikasi baru selalu dikembangkan, dan strategi para arbitrase ini sebenarnya terus berulang. Pertanyaan kedua adalah bagaimana kita dapat menemukan aktivitas MEV yang tidak diketahui ini. Mari kita lihat mekanisme paket transaksi dengan mempertimbangkan pertanyaan ini.

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Mekanisme paket transaksi pertama kali diusulkan pada tahun 2021. Sederhananya, pengguna dapat mengatur antrian transaksi, panjang antrian transaksi ini bisa berupa satu transaksi atau beberapa transaksi, kemudian pengguna mengirimkan transaksi tersebut ke jaringan blockchain, dan relayer mengumpulkannya. transaksi dan mengirimkannya secara langsung dan pribadi ke penambang atau verifikator terkait. Saat ini, relayer akan menjalankan paket transaksi untuk menjalankan tugas relay. Mekanisme paket transaksi memiliki fitur yang sangat penting, ketika pengguna ini membuat paket transaksi, mereka dapat memasukkan transaksi orang lain yang belum diunggah ke rantai ke dalam paket transaksi, dan urutan transaksi dalam paket transaksi dapat dimanipulasi secara sewenang-wenang. . Saat ini, pengguna paket perdagangan atau arbitrase yang menggunakan paket perdagangan dapat merancang aturan arbitrasenya. Misalnya, ia dapat merancang strategi kegiatan MEV yang lebih kompleks dan menguntungkan. Mengambil contoh serangan sandwich, jika tidak ada paket transaksi yang digunakan, arbitrase dalam serangan sandwich perlu menghasilkan setidaknya satu pasang transaksi untuk mencapai arbitrase, dan pasangan transaksi arbitrase ini hanya dapat menargetkan satu transaksi ini. Arbitrase yang dihasilkan oleh transaksi serangan ini harus dijalankan dalam urutan tertentu untuk memastikan bahwa arbitrase dapat berhasil. Namun jika seorang arbitrase menggunakan paket perdagangan, ia dapat mengumpulkan banyak transaksi yang dapat diarbitrase, ia hanya perlu menggunakan sepasang transaksi arbitrase yang sesuai untuk menghasilkan arbitrase pada beberapa transaksi pada waktu yang bersamaan. Selama paket transaksi ini ada dalam rantai, pasti akan berhasil dalam arbitrase, dan karena melakukan arbitrase pada beberapa transaksi yang dapat diarbitrase pada saat yang bersamaan, hasil arbitrasenya juga lebih menguntungkan.

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Paket perdagangan dicirikan oleh aktivitas MEV yang sangat kaya dan kompleks. Karena pengguna yang menggunakan paket transaksi merangkum seluruh transaksi mereka dalam paket transaksi, kemudian mengirimkannya ke relayer jaringan P2P, dan akhirnya ke penambang dan verifikator terkait. Kami dapat mengidentifikasi seluruh aktivitas secara akurat dan lengkap melalui paket transaksi. Oleh karena itu, kami dapat lebih akurat mengidentifikasi beberapa aktivitas MEV yang tidak diketahui melalui media paket transaksi.

Alur Kerja dan Ide Desain

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Selanjutnya, kami akan memperkenalkan alur kerja kami secara detail. Bagaimana kita menemukan aktivitas MEV yang tidak diketahui melalui media seperti paket transaksi? Alur kerja inti mencakup dua alat. Pertama, kami menggunakan alat ActLifter untuk mengidentifikasi setiap tindakan DeFi dalam paket transaksi setelah relayer mengumpulkan paket transaksi. Setelah mendapatkan hasilnya, kami mengungkapkan semua tindakan dalam paket transaksi keluar. Kemudian gunakan alat ActCluster untuk mengumpulkan paket transaksi dengan aktivitas serupa melalui metode clustering, dan menemukan aktivitas MEV baru dengan lebih cepat melalui hasil clustering. Jika kita ingin menemukan aktivitas MEV yang tidak diketahui, maka tidak dapat dihindari untuk mengkonfirmasi secara manual apakah aktivitas MEV tersebut merupakan jenis yang tidak diketahui. Tentu saja, tujuan dari desain pekerjaan kita adalah untuk meminimalkan beban kerja manual sebanyak mungkin, dan membuat keseluruhan proses semulus mungkin, dilakukan secara otomatis.

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Sudah ada alat yang dapat mengidentifikasi aktivitas MEV dari transaksi. Secara kasar kita dapat membaginya menjadi dua kategori. Kategori pertama adalah aturan ringkasan manual murni; kategori kedua adalah aturan heuristik murni, yaitu menggunakan aturan heuristik otomatis murni untuk mengidentifikasi jenis aktivitas MEV tertentu. Misalnya, setelah mengidentifikasi beberapa informasi transfer saat ini, ia memeriksa apakah aturan heuristik terpenuhi. Jika demikian, ia dapat mengidentifikasi aktivitas terkait. Metode pertama ringkasan aturan yang murni manual dapat mencapai akurasi yang relatif baik, karena proses ini sepenuhnya merupakan analisis manual terhadap aplikasi tertentu, dan kemudian dapat memastikan bahwa hasil deteksi akurat, namun tugas analisis memerlukan beban kerja yang sangat besar, sehingga Ini tidak dapat mencakup setiap aplikasi DeFi. Meskipun pekerjaan kedua dapat sepenuhnya diotomatisasi, aturan heuristik hanya dapat mencakup beberapa jenis tertentu. Di sisi lain, terdapat beberapa permasalahan dalam desain aturan heuristik yang mengakibatkan akurasi pengenalan kurang memuaskan.

Kami merancang alur kerja kami dengan menggabungkan keunggulan kedua metode. Kami dapat mengidentifikasi sepuluh tindakan DeFi utama saat ini. Kita hanya perlu menentukan secara manual peristiwa mana dalam aplikasi DeFi yang sesuai dengan jenis tindakan DeFi setelah dimulai, sehingga kita tidak memerlukan analisis manual, dan nanti kita dapat menyerahkannya sepenuhnya ke analisis otomatis. Jenis metode kedua dapat mengidentifikasi tindakan DeFi secara otomatis, tetapi tidak dapat menentukan apakah objek yang dianalisis terkait dengan aktivitas MEV. Misalnya, jika kita mengenali transfer SWAP, maka kombinasi dua transfer yang sama sekali tidak terkait mungkin dikenali sebagai tindakan DeFi. Tentu saja, hasil pengenalannya salah. Namun informasi ini dapat kita gunakan untuk menyaring informasi yang benar-benar terkait dengan tindakan DeFi. Setelah memperoleh informasi ini, kita dapat menghindari beberapa kesalahan seperti yang terjadi pada metode jenis kedua melalui metode otomatis.

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Misalnya, ada transaksi di sini yang melibatkan total empat transfer. Urutan kejadian, jumlah dan kategori dana ditandai dengan nomor seri. Dalam proses ini, AMM sebenarnya menginisiasi sebuah event terkait aksi Swap. Setelah metode jenis pertama menentukan bahwa acara telah dimulai, metode tersebut perlu memulihkan konten saat ini melalui beberapa parameter acara. Misalnya, perlu melihat kode, logika bisnis, dan beberapa variabel fungsi kontrak 699 untuk memulihkan konten saat ini. Setelah kami memperoleh informasi ini, kami merancang aturan berdasarkan karakteristik transfer aset yang unik. Misalnya, aturan yang kami sempurnakan adalah bahwa kontrak saat ini yang mengoperasikan DeFi menerima dan mentransfer berbagai jenis aset. Ketika kami menemukan bahwa ada dua setelah itu transfer aset memenuhi karakteristik tersebut, kami dapat memulihkan konten tindakan Swap yang sesuai. Jenis metode kedua secara langsung mencocokkan dua transfer aset. Kedua akun transfer aset menerima dan mentransfer jenis aset yang berbeda. Ini akan menganggap transfer pertama dan kelima sebagai sepasang transfer terkait, dan menganggap akun di tengah sebagai AMM.Tentunya, secara intuitif kita dapat melihat bahwa hasil pengenalan tidak akurat.

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Aturan yang kami rangkum melalui analisis manual adalah jenis tindakan DeFi yang sesuai dengan peristiwa yang relevan. Meskipun hasilnya dirangkum melalui analisis manual, kami tetap berusaha semaksimal mungkin untuk menyempurnakan proses analisis manual menjadi proses semi-otomatis, untuk memastikan bahwa kami keandalan seluruh proses. Kami akan menanyakan situs web resmi dan dokumentasi pengembang aplikasi DeFi, termasuk beberapa kode sumber kontrak, dari situs resmi DeFiPulse.com dan Dapp.com. Kami mengembangkan alat parsing yang dapat mengekstrak beberapa deskripsi peristiwa dalam dokumen dari materi yang terlibat, seperti bagaimana peristiwa ini didefinisikan dengan token dan fungsinya, cuplikan kode, dan komentar kode di mana peristiwa ini digunakan. Setelah kami mengekstrak hal-hal tersebut, melalui analisis dan diskusi manual, kami akhirnya menentukan bahwa ada 88 peristiwa yang terkait dengan berbagai jenis tindakan DeFi.

Transaksi yang akan dianalisis kita masukkan ke dalam kamus ini dan dianalisis peristiwa apa saja yang terjadi dalam transaksi tersebut. Kemudian ketika suatu peristiwa muncul di kamus ini, kami mengekstrak informasi penting sesuai dengan aturan terkait, seperti kontrak mana yang menjalankan tindakan DeFi ini, apa jenis DeFi ini, dan transfer aset mana yang terkait dengan tindakan DeFi ini. Setelah mendapatkan konten tersebut, kami akan merangkum aturan karakteristik transfer aset, dan kemudian menggunakan aturan ini untuk mencocokkan tindakan akhir DeFi. Kami memulai dari definisi sepuluh tindakan DeFi dan merangkum aturan karakteristik transfer aset. Setelah kami mengumpulkan informasi ini pada langkah sebelumnya, kami akan menggunakan aturan pencocokan ini untuk pencocokan, dan pada akhirnya membantu kami mengidentifikasi konten spesifik mana yang terjadi di DeFi mana dalam transaksi ini. Setelah ActCluster mengidentifikasi setiap transaksi dalam paket transaksi, kita dapat mengekspresikan perilaku paket transaksi tersebut.

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Mari kita pahami dulu prinsip desain ActCluster. Kita tahu bahwa analisis manual tidak dapat dihindari dalam proses ini, dan proses ini harus bergantung pada tenaga kerja manual untuk menentukan apakah aktivitas paket transaksi merupakan jenis aktivitas MEV yang tidak diketahui. Berdasarkan hal ini, ide dasar kami adalah mengelompokkan beberapa paket transaksi dengan aktivitas serupa secara bersamaan. Untuk setiap cluster, kita hanya perlu mengambil sampel secara acak satu atau beberapa paket transaksi untuk dianalisis, yang dapat mempercepat proses analisis manual dan pada akhirnya menemukan berbagai jenis aktivitas MEA. Saat kita menggunakan analisis klaster untuk mengelompokkan paket transaksi, kita menghadapi dilema. Ketika kita menetapkan kekuatan pengelompokan paket transaksi secara relatif kasar, paket transaksi yang berisi berbagai jenis aktivitas akan dikelompokkan bersama. Pada saat ini, meskipun jumlah cluster akan menjadi lebih kecil, tugas analisis manual yang terkait juga akan menjadi lebih kecil. Lebih sedikit, tapi beberapa kegiatan MEV baru akan terlewatkan. Jika kita menyesuaikan intensitas pengelompokan menjadi lebih rinci, meskipun kita dapat membedakan beberapa paket transaksi yang terkait dengan aktivitas MEA yang serupa namun berbeda, beban kerja analisis manual yang terlibat akan sangat meningkat.

Berdasarkan masalah tersebut, kami merancang metode analisis klaster berulang, yang melakukan analisis klaster secara berulang dalam beberapa putaran. Di setiap putaran, kami akan menghilangkan paket transaksi yang berisi aktivitas MEV baru yang ditemukan di putaran sebelumnya, dan kemudian meningkatkan kekuatan pengelompokan untuk paket transaksi yang tersisa. Kita tidak bisa langsung menggunakan metode clustering tradisional untuk mengelompokkan paket transaksi, karena paket transaksi sebenarnya berisi banyak transaksi, dan satu transaksi bisa berisi beberapa tindakan DeFi. Jika kita merepresentasikan keseluruhan paket transaksi, strukturnya sebenarnya heterogen dan hierarkis. Saat ini, kami menggunakan metode pembelajaran representasi untuk merepresentasikan isi paket transaksi ke dalam ruang positioning. Keuntungan menggunakan pembelajaran representasi adalah kita tidak perlu melakukan pembelajaran dan pemahaman yang mendalam terhadap data yang ingin kita analisa dan olah, serta tidak memerlukan banyak domain pengetahuan, kita hanya perlu melakukan pengolahan yang berorientasi pada data. .

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Misalnya kita hanya perlu memberi label pada paket transaksi yang aktivitas MEV-nya termasuk dalam paket transaksi tersebut. Jika kita mengetahui definisi aktivitas MEV, akan lebih mudah bagi kita untuk merancang aturan yang sesuai dan secara otomatis mendeteksi apakah aktivitas tersebut ada. Kami dapat secara otomatis memberi label pada paket transaksi ini untuk mewakili pembelajaran. Analisis klaster kami adalah tipe iteratif, dan setelah setiap iterasi, kami dapat menemukan aktivitas MEV baru. Pada saat ini, kami sebenarnya dapat memperkaya label yang sesuai dengan aktivitas MEV yang baru ditemukan ini ke dalam proses pembelajaran representasi kami. . Ketika label yang digunakan dalam proses pembelajaran representasi kami diperkaya, kinerja dan efisiensi seluruh pelatihan model pembelajaran representasi dapat ditingkatkan secara berulang, dan kemampuan pembelajaran representasi ini untuk mengekspresikan aktivitas paket transaksi juga dapat ditingkatkan secara berulang. Sebenarnya bisa ada beberapa transaksi dalam satu paket transaksi, dan sebenarnya bisa ada beberapa tindakan DeFi dalam satu transaksi. Kita perlu mengungkapkan kebutuhan paket transaksi. Pertama, untuk setiap jenis tindakan DeFi, kami menentukan parameter standar, seperti kontrak mana yang beroperasi, dan berapa kuantitas serta jenis aset yang diterima dan ditransfer? Kami mendefinisikan setiap tindakan DeFi dengan cara ini. Jika kami mengidentifikasi bahwa ada beberapa tindakan DeFi dalam suatu transaksi, kami mewakilinya sebagai blok tindakan, sehingga blok transaksi yang terkait dengan transaksi tersebut dapat direpresentasikan, yang berisi informasi sumber transaksi, seperti siapa yang memulai transaksi, dan pengalihan Kepada siapa itu dikirim? Ketika tindakan DeFi terjadi dalam suatu transaksi, kami akan mengisinya dengan blok tindakan secara berurutan. Setiap transaksi diwakili oleh blok transaksi, dan akhirnya kita memperoleh struktur paket transaksi, yang dapat dianggap sebagai matriks. Setelah paket transaksi ini direpresentasikan, kita dapat menggunakannya untuk pembelajaran representasi. Setiap paket transaksi adalah struktur terpadu, dan kemudian kita dapat menggunakan model tersebut untuk pemrosesan batch.

Evaluasi kinerja

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Selanjutnya, kami membagikan metode yang kami gunakan untuk mengevaluasi kinerja alur kerja. Kumpulan data untuk seluruh proses analisis kami melalui API yang disediakan oleh Flashbots, dan data paket transaksi dari Februari 2021 hingga Desember 2022 dikumpulkan, termasuk lebih dari 6 juta paket transaksi dan 26 juta transaksi.

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Kami telah merancang beberapa alat untuk membandingkan keakuratan dan kelengkapan tindakan DeFi. Perlu dicatat di sini bahwa di antara alat on-chain ini, saat ini hanya Etherscan yang dapat memulihkan tindakan DeFi dalam transaksi melalui halaman webnya dan informasi yang disediakannya. Seperti DeFiRanger, kami mereproduksi metode mereka berdasarkan makalah mereka. Selain itu, kami merancang alat yang disebut EventLifter untuk mencoba memulihkan tindakan DeFi langsung dari peristiwa transaksi. Kami menguji ActLifter dalam konfigurasi berbeda dan menggunakan berbagai alat untuk membandingkan akurasi pengenalan. Untuk ActCluster, ide utama kami adalah menggunakan pembelajaran ablasi. Untuk aktivitas baru yang dapat kami identifikasi, setelah menghapus beberapa modul ActCluster, jika kami masih ingin mengidentifikasi beberapa aktivitas baru yang belum ditemukan, berapa banyak analisis manual yang kami perlukan? ?Paket trading atau beban kerja analisa manual kami seberapa besar. Misalnya, kami menghapus pembaruan label dinamis dalam modul pembelajaran representasi ActCluster. Kami sebenarnya menghapus seluruh proses. Kami secara acak mengambil sampel 6 juta paket transaksi dan kemudian melihat berapa banyak paket transaksi yang harus kami analisis secara manual untuk menemukan jumlah aktivitas MEV baru yang sama.

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Alat kami dapat mencapai akurasi dan kelengkapan hampir 100% bila dikonfigurasi secara seragam. Namun seperti alat lain seperti Etherscan, meski akurasinya bisa mencapai 100% yang cukup memuaskan, namun akan banyak melewatkan aksi DeFi. Etherscan sendiri tidak memiliki metode open source, kami berspekulasi bahwa Etherscan mungkin menggunakan analisis manual untuk meringkas aturan guna mengidentifikasi tindakan DeFi, dan akan melewatkan beberapa jenis yang tidak dapat dibahas secara manual. Perlu diperhatikan di sini bahwa Etherscan sebenarnya tidak menyediakan antarmuka otomatis, jika ingin melakukan pengenalan skala besar, Anda tidak bisa langsung menyelesaikan tugas tersebut. DeFiRanger, yang sepenuhnya menggunakan identifikasi aturan tersembunyi, tidak memuaskan dalam hal akurasi dan kelengkapan. Setelah kami bereksperimen dengan ActCluster, kami menemukan bahwa melalui empat putaran analisis berulang, kami hanya perlu menganalisis total 2.000 paket transaksi untuk menemukan 17 aktivitas MEV yang tidak diketahui. Setelah kami menghapus beberapa modul ini, kami mungkin perlu menganalisis secara manual hingga 170.000 paket transaksi untuk mengidentifikasi 17 aktivitas MEV yang tidak diketahui yang baru saja disebutkan.

Analisis dan penerapan empiris

Apa saja penerapan spesifik metode kami dalam mengidentifikasi jenis aktivitas MEV yang tidak diketahui? Pertama, apakah hal ini dapat meningkatkan langkah-langkah mitigasi MEV yang ada saat ini dan mampu bertahan terhadap beberapa kegiatan MEV. Yang kedua adalah menggunakan hasil analisis untuk melihat apakah kita dapat menganalisis secara lebih komprehensif dampak aktivitas MEV terhadap ekologi blockchain, termasuk dampaknya terhadap reorganisasi fork dari block forest dan keamanan finansial pengguna.

Kami telah menyebutkan sebelumnya bahwa penyerang jaringan peningkatan MEV akan menjalankan alat untuk mendapatkan paket transaksi dari pengguna, dan akhirnya mendistribusikannya ke penambang dan validator yang menghubungkan mereka. Relayer akan menghapus paket transaksi yang berisi aktivitas MEA dari paket transaksi yang mereka terima, sehingga dapat mengurangi beberapa dampak negatif aktivitas MEA pada blockchain. Ide utama dari tautan ini adalah merancang aturan yang sesuai melalui definisi aktivitas MEV yang ada untuk mendeteksi apakah paket transaksi berisi aktivitas MEV. Tentu saja relayer ini tidak dapat mengecualikan beberapa paket transaksi yang mengandung aktivitas MEV yang tidak diketahui. Berdasarkan alur kerja kami, kami merancang alat MEVHunter, yang dapat mendeteksi jenis aktivitas MEV baru yang kami deteksi dari paket transaksi.

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Hasil deteksi menunjukkan bahwa lebih dari 1 juta paket transaksi berisi aktivitas MEV arbitrase terbalik, dan 30% dari 6 juta paket transaksi lainnya berisi tiga aktivitas MEV yang diketahui. Untuk aktivitas MEV yang baru kami temukan, kami menemukan bahwa hampir separuh paket transaksi hanya berisi aktivitas MEV baru ini. Jika repeater menggunakan alat MEVHunter, ini dapat membantu mereka menyaring 3 juta paket transaksi yang berisi aktivitas MEV, dan kemudian memilih untuk menghapus paket transaksi tersebut untuk mengurangi dampak negatif aktivitas MEV pada blockchain.

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Penerapan kedua adalah kami mengeksplorasi dampak aktivitas MEV baru pada fork dan reorganisasi blockchain. Beberapa penelitian sebelumnya telah melaporkan bahwa beberapa penambang keuangan akan termotivasi oleh manfaat dari beberapa aktivitas MEV untuk melakukan fork dan mengatur ulang blockchain saat ini, melakukan aktivitas MEV sendiri dan menikmati manfaatnya. Misalnya, ketika pendapatan aktivitas MEV suatu blok adalah 4 kali lipat imbalan blok, tidak kurang dari 10% penambang akan melakukan fork dan mengatur ulang blok tersebut.

Kami pertama-tama mengidentifikasi paket transaksi mana yang berisi aktivitas MEV baru berdasarkan alat MEVHunter yang baru saja disebutkan, dan kemudian memperkirakan intensitas aktivitas MEV yang sesuai melalui pendapatan penambang dalam paket transaksi ini. Berikut konsep yang perlu diperkenalkan.Dalam mekanisme paket transaksi, untuk memastikan bahwa paket transaksi arbitrase mereka dapat diunggah ke rantai, para arbitrase ini biasanya membagi sebagian hasil kegiatan MEV dengan para penambang, dan kemudian penambang akhirnya akan memilih paket transaksi dengan pendapatan tertinggi untuk diunggah ke rantai. . Pendapatan ini dapat kita gunakan untuk memperkirakan aktivitas MEV secara seragam di setiap paket transaksi. Menurut hasil statistik kami, ada lebih dari 900 blok yang pendapatan MEVnya empat hingga delapan kali lipat reward bloknya, dan ada blok lain yang reward MEVnya bahkan lebih dari 700 kali lipat reward bloknya. Kami menggunakan kerangka pengambilan keputusan Markov untuk menentukan jumlah minimum penambang yang dapat termotivasi untuk melakukan percabangan blok dan reorganisasi dengan pendapatan MEV. Kami akhirnya menemukan bahwa ada lebih dari 1.000 blok yang dapat memotivasi tidak kurang dari 10% penambang untuk melakukan percabangan blok dan reorganisasi. Untuk blok yang paling serius, tidak kurang dari 6 dari 10,000 penambang bertanggung jawab untuk melakukan forking dan mengatur ulang blok tersebut.

Penerapan ketiga adalah untuk mengeksplorasi dampak aktivitas MEV terhadap keamanan finansial pengguna blockchain. Aktivitas MEV sebenarnya dapat menyebabkan perpanjangan waktu tunggu transaksi pengguna blockchain untuk diunggah ke rantai pada kumpulan transaksi atau jaringan P2P. Hal ini juga merupakan salah satu ancaman utama terhadap keamanan finansial pengguna yang disebabkan oleh aktivitas MEV. Jika transaksi pengguna tertunda secara on-chain, arbitrase dapat memiliki lebih banyak waktu untuk merancang aktivitas MEV yang lebih kompleks dan menguntungkan. Penerapan ketiga adalah membandingkan dampak aktivitas MEV terhadap waktu tunggu transaksi pengguna untuk akhirnya diunggah ke rantai. Langkah pertama adalah mengumpulkan waktu tunggu transaksi. Kami terutama menyebarkan node di jaringan, kemudian mencatat waktu ketika transaksi pertama kali ditemukan di jaringan, waktu ketika transaksi akhirnya diunggah ke rantai, dan akhirnya menghitung waktu yang diperlukan untuk menunggu. Kami menggunakan tiga kuartil waktu tunggu seluruh transaksi di setiap blok untuk membuat statistik, sehingga kami dapat mengatur waktu tunggu transaksi ke dalam rangkaian waktu per blok. Kemudian aktivitas MEV yang sesuai di setiap blok juga dijelaskan oleh pendapatan yang diperoleh para penambang di setiap blok dari paket transaksi yang berisi aktivitas MEV baru.Dengan cara ini, kita mendapatkan beberapa deret waktu. Kami menggunakan uji kausalitas Granger untuk mengevaluasi dampak aktivitas MEV terhadap waktu perdagangan.Uji kausalitas dapat menentukan apakah fluktuasi dalam satu deret waktu menyebabkan fluktuasi pada deret waktu lain, dan berapa lama hal tersebut mempengaruhi atau menyebabkan fluktuasi pada deret waktu lainnya. Ketika aktivitas MEV berfluktuasi, apakah menyebabkan waktu tunggu transaksi pengguna menjadi lebih lama, dan berapa banyak blok berikutnya yang berpengaruh.

Mengungkap jenis MEV yang tidak diketahui dalam paket transaksi Ethereum

Apabila nilai P uji kausalitas kurang dari atau sama dengan 0,5 berarti waktu tunggu transaksi pada blok ini telah diperpanjang karena pengaruh aktivitas MEV sebelumnya. Berdasarkan hasil analisis diketahui bahwa pada saat terjadi aktivitas MEV maka waktu tunggu 50% transaksi pada dua blok berikutnya akan diperpanjang. Ketika aktivitas MEV terjadi, waktu tunggu 25% transaksi di 30 blok berikutnya akan diperpanjang. Penambang atau validator akan menempatkan transaksi dengan biaya gas yang relatif rendah di akhir blok yang dienkapsulasi.Semakin rendah biaya gas dari transaksi pengguna, semakin besar dampak aktivitas MEV, dan waktu tunggu akan diperpanjang.

Sebagai kesimpulan, pertama-tama kami berbagi cara menemukan aktivitas MEV yang tidak diketahui melalui alur kerja dan desain terperinci dari dua modul dalam alur kerja. Kemudian kami memverifikasi efektivitas alur kerja melalui analisis empiris dan membuat daftar tiga aplikasi. Saat ini, kami telah menemukan 17 aktivitas MEV baru yang menggunakan alur kerja.

Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
  • Hadiah
  • Komentar
  • Bagikan
Komentar
0/400
Tidak ada komentar
  • Sematkan
Perdagangkan Kripto Di Mana Saja Kapan Saja
qrCode
Pindai untuk mengunduh aplikasi Gate
Komunitas
Bahasa Indonesia
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)