MEV:OEV 솔루션의 설계 접근 방식과 과제 살펴보기

이 백서의 대부분의 자료는 "디파이 프로토콜에서 오라클 구현을 위한 설계 공간과 과제 탐색"에서 가져온 것으로, 많은 부분이 변경되었습니다

. >초록: 예측 머신은 DeFi 생태계에서 항상 필수 불가결한 역할을 해왔습니다. 스마트 콘트랙트는 온체인 데이터에만 접근할 수 있고 오프체인에서 직접 정보를 얻을 수 없기 때문에 오프체인 데이터를 온체인에 도입하는 매개체 역할을 하는 예측 머신이 있어야 스마트 콘트랙트가 오프체인 데이터를 기반으로 자동화된 거래 처리를 수행할 수 있죠. 대부분의 탈중앙 금융 프로토콜은 파생상품 계약을 처리하고 부실 자산을 청산하기 위해 가격을 공급하기 위해 예측 머신에 의존합니다.

현재 디파이 생태계에는 800억 달러가 넘는 자본 규모가 있으며, 이 중 대부분은 어떤 식으로든 예측 머신과 연결되어 있습니다. 그러나 전통적인 예측기는 가격 업데이트에 지연이 있어 예측기 전용 가치(MEV)인 OEV가 등장했습니다. OEV의 일반적인 시나리오에는 예측기 폭주 거래, 차익거래, 청산 이익이 포함되며, 현재 OEV의 부정적인 영향을 완화하기 위한 시나리오가 점점 더 많이 제안되고 있습니다.

이 백서에서는 기존의 다양한 OEV 솔루션을 소개하고 장단점을 논의하며 두 가지 새로운 아이디어를 제안하고 그 가치, 현안 및 한계를 설명합니다.

MEV (OEV)

이 백서의 주요 내용을 보다 쉽게 이해할 수 있도록 먼저 푸시 및 풀 예언 머신에 대해 간략하게 설명하겠습니다. 푸시 예언 머신은 예언 머신이 체인링크와 같은 체인 상의 스마트 컨트랙트에 능동적으로 데이터를 전송하는 것으로 주로 푸시 방식이며, 반면 풀 예언 머신은 디앱이 능동적으로 요청하고 예언 머신이 요청을 받은 후 데이터를 제공하는 것을 의미합니다.

이 두 모드의 차이점은 푸시 기반 프로파시 머신은 데이터 유효성 측면에서 더 효과적이며 실시간 데이터에 더 민감한 시나리오에 적합하지만 이 모드의 프로파시 머신은 체인에 데이터를 자주 제출해야 하므로 더 많은 가스를 소비합니다. 풀 기반 프로파시 머신은 더 유연하고 DApp이 필요할 때만 새로운 데이터를 제공하므로 가스 소비는 적지만 데이터에 대기 시간이 있다는 점입니다. 데이터에 지연이 있습니다.

디파이 플랫폼은 예언자의 피드 데이터를 필요로 하기 때문에 피드 업데이트가 지연되면 차익거래 봇에 의해 MEV가 포착될 수 있으며, 예언자에 의존하는 이 MEV를 OEV라고 합니다. OEV와 관련된 주요 수익 시나리오에는 로보콜, 차익거래, 청산 등이 있습니다. 다음 논의에서는 OEV에 의해 유발되는 다양한 수익 시나리오를 간략하게 설명할 것입니다. 그리고 다양한 OEV 솔루션과 그 장단점을 살펴보겠습니다.

OEV를 생성하고 포착하는 방법

실제 관찰된 결과를 바탕으로 OEV를 실현할 수 있는 세 가지 주요 방법이 있습니다.

1. 러시 트레이딩. MEV 검색기는 대기 중인 거래의 데이터를 실시간으로 모니터링하여 MEV 기회를 찾습니다. 예언 머신은 피드 가격을 업데이트하여 체인에 데이터를 제출하고, 이는 체인에 업로드되기 전에 거래 풀에 쌓이게 되며, 서처는 이러한 보류 거래를 모니터링하여 체인 내 자산의 향후 가격 변동을 예측하고 가격이 업데이트되기 전에 일부 매수 및 매도 주문을 선제적으로 매복합니다.

이미지 src="https://img.jinse.cn/7304373_image3.png">

잦은 선제 거래로 인해 프로토콜이 업데이트될 때까지 수익이 10% 감소한 GMX와 같이 많은 파생상품 플랫폼이 선제 거래의 부정적인 영향으로 어려움을 겪었으며, GMX는 액세스된 Predicate 머신을 다음과 같이 넘겨주었습니다. KeeperDAO로 넘겨 통합 스케줄링을 진행했고, OEV 캡처 문제가 완화되었습니다. GMX가 채택한 솔루션에 대해서는 나중에 간략히 설명하겠습니다.

2. 차익거래: 예측 데이터 업데이트 지연을 이용해 시장 전반에 걸쳐 위험 부담 없는 차익거래를 수행합니다. 예를 들어 특정 온체인 파생상품 플랫폼의 자산 가격 업데이트에 10초의 지연이 있기 때문에 코인의 이더 현물 가격이 갑자기 상승하고 체인링크의 이더 가격이 제때 변경되지 않으면 차익거래 봇은 즉시 체인링크에 매수 계약을 개설한 다음 체인링크 피드 가격이 업데이트되면 포지션을 청산하여 수익을 창출할 수 있습니다.

위 예시는 실제 상황을 단순화했지만, 가격 업데이트 지연으로 발생할 수 있는 차익거래 기회를 보여주며, 차익거래자는 Defi 플랫폼에서 OEV를 포착할 수 있지만, 물론 이렇게 포착된 OEV는 결국 LP 손실로 이어집니다(양에서 양털이 빠지는 상황).

예측 머신의 폭주 거래와 차익거래 현상은 파생상품 프로토콜에서 흔히 "독성 흐름"이라고 부르는데, 이는 이러한 거래 이면의 정보 비대칭성 때문에 차익거래자가 Defi 프로토콜에서 LP/유동성 공급자에게 손해를 끼치면서 무위험 이익을 취할 수 있기 때문입니다. 신세틱스와 같은 베테랑 디파이 프로토콜은 2018년부터 이러한 OEV 공격에 시달려왔으며, 부정적인 영향을 완화하기 위해 다양한 방법을 시도해왔습니다. 이러한 대응책에 대해서는 나중에 간략히 설명해드리겠습니다.

3. 청산: 렌딩 프로토콜의 경우, 자산 가격 업데이트 지연은 일부 반응이 빠른 청산자에게는 이익이 될 수 있으며, 적시에 가격이 업데이트되지 않아 발생하는 비효율적인 청산을 포착하여 추가 수익을 얻을 수 있습니다. 이러한 행위는 시장 효율성을 저해하고 Defi 플랫폼의 공정성에 부정적인 영향을 미칩니다.

청산 구성 요소는 레버리지와 관련된 모든 디파이 프로토콜의 핵심이며, 피드 가격 업데이트의 세분성은 청산 효율성에 핵심적인 역할을 합니다. 푸시 프리셉터가 임계값인 경우, 즉 가격 변동이 일정 규모에 도달할 때만 피드 가격이 업데이트되는 경우 청산 프로세스에 영향을 미칠 수 있습니다. 예컨대 이더리움 가격이 체인 아래로 떨어지고 대출 프로토콜의 포지션이 청산선에 도달했지만 가격 변동성이 예지자가 공급 가격을 업데이트하는 임계값을 충족하지 못해 예지자가 데이터를 업데이트하지 않고 청산 프로세스 실행에 영향을 미쳐 부정적인 영향을 미칠 수 있다고 가정해봅시다.

간단한 예를 들어, 담보 포지션이 긴급한 가격 하락으로 인해 청산에 직면했지만 예후 예측자가 제때 데이터를 업데이트하지 않아 체인상의 가격이 아직 움직이지 않았다고 가정해 보겠습니다. 이 기간 동안 서처는 청산 거래를 조기에 요청하고 더 많은 양의 가스를 지불하여 온체인 패킹의 우선순위를 확보할 수 있는 이점을 얻습니다. 온체인 가격이 업데이트되면 서처는 직접 청산자가 되어 이익을 얻지만, 원래 담보 보유자는 가격 업데이트 지연으로 인해 포지션을 커버하기에는 너무 늦어 추가 손실을 입게 됩니다.

대부분의 탈중앙 금융 프로토콜은 청산 담보의 일부를 청산자에게 인센티브로 지급하며, Aave와 같은 대형 탈중앙 금융 프로토콜은 2022년에 이더로만 3,800만 달러 이상의 청산 인센티브를 지급했는데, 이는 제3자 청산자에게 과도한 보상을 제공할 뿐만 아니라 사용자에게도 피해를 줍니다. 또한, 가스 전쟁은 MEV 공급망 전체에 MEV 효과가 있는 곳에서 MEV 포착 기회를 확산시킬 수 있습니다.

특히 런그랩 공격과 차익거래 행위로 탈취된 OEV는 디파이 유동성 공급자에게 피해를 주고, 청산으로 탈취된 OEV는 차입자의 경우 청산 과정에서 상당한 자금을 잃게 되며, 대출자의 경우 예견자의 제안이 지연되어 예상보다 낮은 담보 가치를 받게 되는 결과를 초래합니다.

요약하자면, 어떤 방식으로든 포획된 OEV는 시장의 다른 사람들에게는 손실이며, 결국 OEV 포획자 자신만 이익을 얻게 되어 DeFi와 UX의 공정성에 부정적 영향을 미치게 됩니다.

현재의 OEV 솔루션

아래에서는 푸시, 풀, 기타 예후 예측자 모드와 현재 시장에 존재하고 이를 기반으로 구축된 OEV 솔루션에 대해 살펴보고, 앞서 언급한 맥락에서 그 효과를 분석하며, OEV 문제를 해결하기 위한 절충점에 대해 다음과 같이 자세히 알아보도록 하겠습니다. 중앙 집중성 또는 신뢰 가정 수준을 높이거나 UX를 희생하는 등의 방법.

풀 프로퍼티만 사용한다면 어떻게 될까요?

앞서 풀 프로퍼시 머신에 대해 언급했는데, 이는 Dapp에서 프로퍼시 머신으로 데이터를 적극적으로 요청해야 한다는 특징이 있습니다. 풀 프로퍼시 머신의 대표주자인 파이스의 장점 중 하나는 솔라나 아키텍처의 높은 TPS와 짧은 지연 시간을 활용하여 데이터 수집, 집계 및 배포를 위한 파이스넷 네트워크를 만들 수 있다는 것입니다. 파이스넷에서 퍼블리셔는 300밀리초마다 가격 정보를 업데이트하고, 이를 필요로 하는 디앱은 API를 통해 최신 데이터를 쿼리하여 체인에 게시할 수 있습니다.

여기서 주목해야 할 점은 퍼블리셔가 300ms마다 가격 정보를 업데이트한다는 것인데, 이는 푸시 예언 기계의 로직처럼 들릴 수 있습니다. 그러나 파이스의 로직은 "푸시 업데이트, 풀 쿼리" 즉, 데이터가 파이스넷으로 푸시되는 동안 온체인 애플리케이션이나 다른 블록체인 네트워크는 파이스 API 또는 크로스 체인 브리지인 웜홀의 메시징 레이어를 통해 데이터를 "풀"할 수 있습니다. 최신 데이터를 "풀"합니다. 이러한 행동은 불공정한 시장 가격으로 이어지며, 검색자는 정보 비대칭성을 이용해 위험 부담 없이 이익을 얻을 수 있지만 다른 시장 참여자에게는 손해를 끼칩니다.

즉, 가격 지연으로 인한 차익거래 공격은 풀-프로핏 머신에도 여전히 존재합니다. 파이썬 문서에서는 "스탤렌니스 체크"를 통해 이러한 공격을 방지할 것을 제안하고 있습니다. "유효성 검사"란 거래에 사용된 데이터 또는 가격 정보의 즉시성을 보장하기 위한 메커니즘입니다.

특히 유효성 검사는 사용된 가격 데이터가 합리적인 시간 내에 생성되었는지 확인하여 트레이더가 오래된 가격 정보로 거래하는 것을 방지함으로써 차익거래와 불공정 거래 관행을 줄입니다.

그러나 구체적으로 구현할 때 최적의 시간 임계값을 결정하는 것은 어려운 작업입니다. 이전 예시를 다시 살펴보자면, 무기한 계약 거래소가 파이스의 이더/USD 가격 피드를 사용하고 20초의 유효성 검사 임계값을 설정한다고 가정하면, 파이스 가격의 타임스탬프와 다운스트림 거래가 실행되는 블록의 타임스탬프 사이에 20초의 시간 차이만 있을 수 있다는 뜻입니다. 이 기간을 초과하면 해당 가격은 오래된 것으로 간주되어 사용할 수 없게 됩니다. 이 설계는 오래된 가격을 이용한 차익거래를 방지하기 위한 것입니다.

이미지 src="https://img.jinse.cn/7304374_image3.png">

부실성 확인 시간 임계값을 단축하는 것은 좋은 해결책처럼 보이지만, 이는 블록 시간이 불확실한 네트워크에서 트랜잭션 롤백으로 이어질 수 있으며, 이는 다음과 같은 영향을 미칠 수 있습니다. 파이스의 가격 피드는 여전히 가디언 노드를 "웜홀 키퍼"라고 부르는 웜홀의 예를 사용하는 크로스 체인 브리지에 의존하며, 예측 머신은 웜홀 키퍼가 가격을 확인하고 대상 체인이 거래를 처리하고 블록에 기록할 수 있는 충분한 버퍼 시간을 가져야 합니다. 블록에 기록합니다.

오더 플로우 경매(OFA)

예측 머신의 부정적인 영향에 대응하여 새로운 솔루션인 예측 머신을 위한 독점 주문 흐름 경매(OFA)가 매우 효과적인 솔루션으로 떠오르고 있습니다. OFA는 예측 머신이 최신 사료 가격 정보에 서명을 날인하여 오프체인 경매 플랫폼으로 전송하고, 자신 대신 다른 사람이 사료 가격 정보를 체인에 제출하도록 하는 범용 제3자 경매 서비스입니다. 이러한 유형의 피드 업데이트는 온체인에서 MEV 기회로 이어지기 때문에 MEV 서처는 예후 예측자가 경매 플랫폼에 제출한 피드를 수신하여 여기서 기회를 최대한 활용합니다.

검색자는 종종 경매에 입찰하여 예후 예측자 대신 피드 메시지를 체인 위로 올려달라고 요청하고, 검색자는 이 기회를 활용하여 MEV 트랜잭션을 구성하여 가장 많은 이익을 얻을 수 있는 사람이 될 수 있도록 합니다. 물론 이를 위해 서처는 입찰에 참여해야 하며, 입찰 과정에서 일정 자금을 지불하게 되는데, 이는 경매 플랫폼이 예언자 또는 그 이상의 사람들에게 배분하게 되는데, 이는 MEV 플레이어의 수익 일부를 다른 사람들에게 배분하는 것과 동일하므로 OEV 문제를 완화할 수 있습니다.

OFA의 구체적인 프로세스는 다음과 같습니다:

1. 거래 제출

보류 중인 모든 거래 스트림은 체인으로 직접 전송되지 않고 프라이빗 OFA 거래 풀로 라우팅됩니다. 공정성을 보장하기 위해 이 트랜잭션 풀은 비공개로 유지되며 경매 참여자만 접근할 수 있습니다.

2. 경매 입찰

거래 풀은 OFA가 경매를 진행하는 플랫폼으로, 검색자가 주문을 실행할 권리를 위해 입찰에 참여합니다. 입찰은 거래 유형, 현재 가스 가격, 예상 MEV 마진과 같은 요소를 포함하여 주문에서 추출될 것으로 예상되는 가치를 기반으로 합니다.

3. 선택 및 실행

낙찰된 서처는 입찰 금액을 지불하고 거래를 실행할 권리를 획득하며, 최대 MEV를 추출하여 체인에 거래를 제출하는 방식으로 자기 이익에 따라 거래를 정렬합니다.

4. 수익 분배

이 단계는 OFA의 핵심으로, 검색자는 MEV를 추출할 기회를 얻기 위해 추가 입찰 금액을 지불하고, 이는 스마트 컨트랙트에 예치되어 일정 비율로 분배되어 프로토콜과 사용자 모두에게 OFA에서 손실된 가치를 보상합니다.

데이터를 통해 볼 때 OFA의 MEV 및 OEV 문제 완화 효과는 매우 크며, 현재 이더리움 거래의 10% 이상이 프라이빗 채널(프라이빗 RPC 및 OFA 포함)을 통해 이루어지고 있어 이러한 방식의 채택률은 빠른 상승 추세를 보이고 있습니다. OFA는 앞으로도 큰 성장 가능성을 기대할 수 있습니다.

이미지 src="https://img.jinse.cn/7304375_image3.png">

그러나 일반화된 OFA 체계를 구현하는 데는 예후 예측자가 업데이트가 OEV를 생성할지 여부를 예측할 수 없고, 그렇지 않을 경우 OFA는 추가 지연 시간을 발생시킨다는 문제점이 존재하며 예후 예측자 기계가 거래를 경매 플랫폼으로 전송하기 위해 추가 작업을 수행해야 하기 때문에 추가적인 대기 시간이 발생합니다. 반면에 OEV를 최적화하고 지연 시간을 줄이는 가장 간단한 방법은 모든 예측 머신 주문 흐름을 지배적인 검색자에게 넘기는 것이지만, 이는 임대료 추출, 검열, 궁극적으로 사용자 경험 저하를 조장하는 것으로 위장된 상당한 중앙화 위험을 초래할 수 있다는 점이 분명합니다.

이미지 src="https://img.jinse.cn/7304376_image3.png">

경매 가격을 통한 OFA 업데이트에는 기존의 규칙 기반 업데이트는 포함되지 않으며, 이는 여전히 공용 메모리 풀을 통해 업데이트됩니다. 이러한 메커니즘은 예측 가격 업데이트와 이로 인해 발생하는 추가 수익이 애플리케이션 계층 내에 유지되도록 보장합니다. 동시에, 이 메커니즘은 데이터의 세분성을 향상시켜 검색자가 선점 노드가 더 자주 업데이트하는 데 따른 추가 비용을 부담하지 않고 데이터 소스에 업데이트를 요청할 수 있게 해줍니다.

OFA는 특히 청산 과정에서 더 세분화된 가격 업데이트를 제공하고, 청산되는 담보물에 대한 자본 수익을 극대화하며, 합의에 의해 청산자에게 지급되는 인센티브를 줄이고, 사용자에게 돌려주기 위해 청산자에게 입찰하는 추가 혜택을 제거하기 때문에 청산 프로세스에서 특히 효과적입니다.

그러나 OFA는 폭주 거래와 차익거래를 해결하는 데 어느 정도 기여했지만 여전히 해결되지 않은 많은 문제를 남겼습니다. 완전 경쟁적이고 단일 가격 고정 경매 시나리오에서는 로보콜을 통한 추가 수익이 이 MEV 작업을 수행하는 데 필요한 블록 공간 비용에 근접해야 하며, 가격 업데이트의 세분성이 높아지면 차익거래 기회 창출도 줄어들 것입니다.

현재 프로페시 머신 전용 OFA를 구현하려면 타사 경매 서비스(예: OEV-Share)와 통합하거나, 경매 서비스를 디파이 애플리케이션으로 사용하고 자체적으로 구축할 수 있습니다.

API3는 경매를 진행할 때 플래시봇 개념에 기반한 OEV 리피터를 API로 사용하여 DoS 방어 서비스를 제공합니다. 리피터는 예지자로부터 메타 트랜잭션을 수집하고, 검색자의 입찰을 필터링 및 집계하며, 신뢰가 필요 없는 환경에서 수익금을 분배하는 역할을 담당합니다. 입찰 낙찰자는 입찰 금액을 프로토콜이 제어하는 프록시 계약으로 전송해야 하며, 이후 중계자가 제공한 서명 데이터가 가격 출처를 업데이트합니다.

또 다른 옵션은 프로토콜이 중개자에 의존하지 않고, 자체적인 경매 서비스를 직접 구축하여 OEV에서 추출된 모든 추가 수익을 포착하고 매각하는 것입니다. 청산 메커니즘을 내장하여 OEV를 포착하고 이를 애플리케이션과 사용자에게 반환할 계획입니다. 이러한 방식으로 프로토콜은 가치를 더 잘 배분하고 타사 서비스에 대한 의존도를 줄여 시스템 자율성을 높이고 사용자 수익성을 개선할 수 있습니다.

중앙화된 노드 또는 키퍼 운영

웹3 초기에 예측자를 통해 구동되는 무기한 계약 거래소는 중앙화된 키퍼(거래 전담 노드 또는 개체) 네트워크를 운영한다는 아이디어로 OEV 문제에 대응했는데, 핵심 아이디어는 중앙화된 거래소 및 기타 제3자 소스의 가격을 집계해 집계하는 것이었습니다. 타사 소스로부터 가격을 집계하고 체인링크 데이터 피드를 백업으로 사용하는 것입니다. 이 모델은 GMX v1에서 대중화되었으며 이후 여러 가지 버전에서 사용되었습니다. 이 모델의 주요 가치는 단일 운영자가 관리하는 키퍼 네트워크를 통해 로보콜 문제를 완전히 방지한다는 것입니다.

물론 이 접근 방식에는 중앙 집중화의 위험이 분명히 존재합니다. 중앙화된 키퍼 시스템은 가격의 출처를 확인하지 않고 체결 가격을 결정할 수 있습니다. GMX v1의 키퍼는 온체인 투명 메커니즘이 아니라 팀 주소로 중앙화된 서버에서 실행되는 프로그램으로, 체결 가격의 진위 여부와 출처를 확인할 수 있는 방법이 없습니다.

OEV 추출을 위해, 검색자는 MEV 인프라를 통해 "예언 머신 데이터 업데이트 명령어"의 메모리 풀, 예언 머신 데이터 업데이트 트랜잭션 명령어, 그리고 자신이 시작한 트랜잭션 명령어를 함께 묶어 모니터링하고 궁극적으로 실행하여 수익을 얻게 됩니다. >. 물론 차익거래와 청산 거래의 경우, OEV 서처는 온체인 가격과 오프체인 가격의 편차만 모니터링하면 되며, 궁극적으로 MEV 인프라를 통해 자신이 시작한 거래가 체인에서 먼저 실행되도록 합니다.

검색자가 어떤 프로세스를 사용하든, OEV의 혜택은 MEV 인프라와 OEV 검색자 사이에 분배되며, OEV의 가치를 '포착'하는 프로토콜은 공정한 몫을 얻지 못한다는 것을 알 수 있습니다. (일부 데이터에 따르면, 이전에 OEV 문제로 인해 GMX 플랫폼은 수익의 거의 10%를 잃었습니다.) 이 문제를 해결하기 위해, 상당한 양의 OEV 가치를 기여하고 온체인 파생상품 거래 플랫폼인 GMX는 간단한 접근 방식을 채택했습니다. 가능한 한 많은 OEV 가치를 GMX 플랫폼에 다시 돌려줍니다.

이를 위해 GMX는 루크와 화이트리스트를 도입했습니다. 간단히 말해, GMX의 예후 예측기 업데이트는 루크를 통해 이루어지며, 루크는 현재 시장 상황을 기반으로 시장 내 OEV를 캡처하기 위해 OEV 추출 작업을 수행하고, 이 OEV의 80%는 다시 GMX 프로토콜로 교환됩니다.

정리를 하자면, GMX는 화이트리스트를 통해 루크에게 예언 머신을 업데이트할 수 있는 권한을 부여하고, 루크를 통해 OEV를 추출하여 다른 검색자에 의해 추출되는 것을 방지하며, 동시에 OEV의 80%를 GMX 시스템으로 반환하는 역할을 합니다. 이 루틴은 사실 약간 단순하고 조잡합니다.

위에서 설명한 단일 운영자 키퍼 네트워크와 관련된 중앙화 위험을 해결하기 위해, 타사 서비스 제공자를 끌어들여 보다 탈중앙화된 자동화된 네트워크를 구축할 수 있으며, 이는 체인링크의 새로운 풀, 저지연 예측 2023년 말 비공개 베타 버전으로 발표되었지만 이미 GMX v2에서 실용화되고 있는 머신 서비스 체인링크 데이터 스트림과 함께 작동합니다.

GMX v2 시스템의 로직을 통해 체인링크 데이터 스트림 설계가 실제 DeFi 애플리케이션에 어떻게 통합될 수 있는지 살펴볼 수 있습니다.

전체적으로 체인링크 데이터 스트림은 데이터 DON, 자동화 DON, 온체인 검증 컨트랙트의 세 가지 주요 구성 요소로 이루어져 있습니다. 데이터 DON은 파이스넷과 유사한 아키텍처에서 데이터 유지 관리 및 집계를 수행하는 오프체인 데이터 네트워크이며, 자동화 DON은 데이터 DON과 동일한 노드 운영자가 유지하는 키퍼 네트워크로, 데이터 DON에서 체인으로 가격을 가져오는 데 사용됩니다. 마지막으로 온체인 검증 컨트랙트는 오프체인 서명의 정확성을 보장하는 데 사용됩니다.

이미지 src="https://img.jinse.cn/7304379_image3.png">

위 다이어그램은 오픈 트레이딩 기능을 호출하는 흐름을 보여주며, 자동화된 DON이 데이터 DON에서 가격을 가져와 온체인 저장소를 업데이트하는 역할을 담당합니다. 현재는 화이트리스트에 등록된 사용자만 데이터 DON을 직접 조회할 수 있는 권한이 있기 때문에 프로토콜은 유지보수 작업을 자동화된 DON에 맡기거나 키퍼를 직접 실행할 수 있지만, 개발 주기가 진행됨에 따라 점차 권한 없는 구조로 전환될 것으로 예상됩니다.

보안 수준에서 자동화된 DON에 의존하는 것은 데이터 DON만 사용하는 것과 동일한 신뢰 가정을 하므로 단일 Keeper 설계에 비해 매우 분명하게 개선됩니다. 그러나 자동화된 DON에 가격 업데이트 권한을 부여한다는 것은 또한 OEV가 키퍼 네트워크의 노드에만 독점된다는 것을 의미하며, 이는 이더 서약 시장에서 큰 비중을 차지하는 사회적 평판이 높은 조직인 경향이 있고 이더가 사회적 합의의 제약을 사용하여 이더리움의 노드 운영자들에 대한 태도와 유사한 신뢰 가정입니다. 카르텔로 담합하여 독점 효과를 창출하는 것을 방지합니다.

풀링된 술어 기계: 지연 정산

탈중앙화 무기한 계약 거래소 신세틱스 v2에서 계약 정산을 위해 파이스 가격 데이터를 도입한 것은 매우 큰 개선 사항입니다. 사용자의 주문은 가격 편차가 미리 정해진 임계값을 초과하지 않고 타임스탬프가 유효성 검사를 통과하기만 하면 체인링크 또는 파이스 가격 중 하나로 체결할 수 있지만, 단순히 풀-프로퍼티 머신으로 변경한다고 해서 OEV와 관련된 모든 문제가 해결되는 것은 아닙니다. 폭주하는 거래에 대처하기 위해 많은 탈중앙 금융 프로토콜은 사용자의 시장가 주문을 두 부분으로 나누는 지연 주문인 "라스트 룩" 호가 메커니즘을 도입했습니다.

1. 사용자가 "

1. 사용자가 크기, 레버리지, 담보, 슬리피지 허용치와 같은 주문 매개변수와 함께 "의도"를 체인에 제출하고 추가 키퍼 수수료를 지불합니다.

2. 키퍼는 주문을 수신하고 최신 파이스 가격 데이터를 요청한 후 신세틱스를 호출하여 거래에 대한 계약을 체결합니다. 컨트랙트는 미리 정의된 매개변수를 확인하고 모두 통과하면 주문이 실행되고 온체인 가격 저장소가 업데이트되며 포지션이 열립니다. 키퍼는 가스 요금과 네트워크 유지보수 비용을 보상하기 위해 사용자가 지불한 수수료를 받습니다.

이 접근 방식은 사용자에게 불리한 가격이 체인에 제출되는 것을 방지하여 프로토콜의 선점 및 차익거래 문제를 효과적으로 해결합니다. 그러나 이러한 시장가 주문을 실행하려면 두 번의 트랜잭션을 수행해야 하며, 사용자는 예후 체인에서 스토리지를 업데이트하는 비용 외에 가스 수수료를 지불해야 한다는 점에서 사용자 경험 측면에서 몇 가지 단점이 있습니다.

이전에는 예측기 온체인 스토리지 업데이트 수수료가 2달러로 고정되어 있었지만, 최근에는 옵티미즘 가스 예측기 + 프리미엄에 따라 달라지는 동적 수수료로 변경되었으며, 이는 레이어2의 활성 상태에 따라 달라집니다. 요컨대, 이 방식은 트레이더의 특정 사용자 경험을 희생하는 대신 유동성 공급자의 수익성을 개선합니다.

향후 OEV 솔루션 아이디어에 대한 전망

풀린 예언 기계: 낙관적 정산 메커니즘

지연 주문으로 인해 L2의 DA 수수료에 비례하여 증가하는 사용자 추가 수수료가 도입되면서, 주문 정산 모델이 고안되어 왔습니다. 탈중앙화와 프로토콜 보안을 유지하면서 사용자 비용을 줄이기 위해 "낙관적 정산"이라는 대안적인 주문 정산 모델이 고안되었습니다. 이름에서 알 수 있듯이 낙관적 정산은 시스템이 모든 가격을 낙관적으로 받아들이고, 악의적인 의도로 주문이 체결되었는지 여부를 밝히기 위해 증거를 제출할 수 있는 기간을 제공함으로써 트레이더가 시장 거래를 원자적으로 실행할 수 있도록 합니다.

이 백서에서는 이 아이디어의 몇 가지 반복 과정을 간략히 설명하고, 그 과정에서의 사고 과정을 보여주며, 이 아이디어에서 해결해야 할 문제를 간략히 설명합니다.

초기에는 사용자가 시장가 주문을 개시할 때 parsePriceFeedUpdates를 통해 가격을 제출하고, 사용자 또는 제3자가 가격 데이터를 사용하여 거래 확인을 완료하는 결제 거래를 제출할 수 있도록 구상했습니다. 정산 시 두 가격 사이에 마이너스 차이가 있으면 그 차이가 사용자의 손익에 미끄러짐으로 작용합니다.

이 접근방식의 장점은 사용자의 비용 부담을 줄이고 선행 거래의 위험을 완화한다는 것입니다. 그러나 이 방식은 2단계 정산 프로세스를 도입하는데, 이는 신세틱스의 지연 정산 모델에서 발견한 단점입니다. 추가 정산 거래는 대부분의 경우 중복될 수 있으며, 특히 주문 체결과 정산 사이의 변동이 시스템에서 정의한 로보콜 임계값을 초과하지 않는 경우에 특히 두드러집니다.

위와 같은 문제를 피하는 또 다른 해결책은 시스템에서 주문을 낙관적으로 수락한 다음 허가가 필요 없는 이의 제기 기간을 여는 것입니다. 이 기간 동안 누구나 가격 타임스탬프와 블록 타임스탬프 사이의 가격 편차에 대한 증거를 제출할 수 있으며, 수익성 있는 로보프린트 기회가 있습니다. 낙관적 메커니즘은 이의 제기 기간을 도입하여 시스템에서 잠재적인 차익 거래를 효과적으로 줄이고 거래 과정의 투명성과 공정성을 높입니다.

프로세스는 다음과 같습니다:

1. 사용자가 현재 시장가로 시장가 주문을 생성하고 이를 내장된 파이스 가격 데이터와 함께 주문 생성 거래로 전송합니다.

2. 스마트 컨트랙트는 이 정보를 최적으로 검증하고 저장합니다.

3. 체인에서 주문이 확정된 후, 검색자가 거래자가 악의적인 의도를 가지고 있다는 증거를 제출할 수 있는 이의 제기 기간이 있습니다. 이 증거에는 트레이더가 과거 가격을 사용해 차익거래를 하려는 의도가 있었다는 증거가 포함되어야 합니다. 시스템이 증거를 수락하면 해당 스프레드는 트레이더의 체결 가격에 슬리피지로 적용되고 원래의 OEV 이익은 키퍼에게 보상으로 지급됩니다.

4. 이의 제기 기간이 끝나면 모든 가격은 시스템에 의해 유효한 것으로 간주됩니다.

이 낙관적 모델은 두 가지 장점이 있습니다.

첫째, 동일한 거래에서 주문 생성 및 예측 머신 업데이트에 대한 가스비만 지불하면 되고 추가 거래 정산 수수료는 지불할 필요가 없어 사용자의 비용 부담이 줄어듭니다. 둘째, 로보콜 거래를 억제하고 로보콜임을 증명할 수 있는 경제적 인센티브를 통해 건전한 키퍼 네트워크를 보장함으로써 유동성 풀의 무결성을 보호합니다.

이 아이디어는 분명 더 큰 잠재력을 가지고 있지만, 이 아이디어가 자리를 잡으려면 해결해야 할 여러 가지 미해결 문제가 있습니다.

'적대적 선택' 문제 정의: 즉, 시스템이 네트워크 지연으로 인해 오래된 가격을 제출하는 사용자와 의도적으로 지연을 악용하여 차익 거래하는 사용자를 어떻게 구분할 것인가? 차익거래 사용자. 한 가지 초기 아이디어는 지연 확인 기간(예: 15초) 동안 변동성을 측정하고 변동성이 순 체결 비용을 초과하는 경우 해당 주문을 잠재적 차익거래로 플래그 지정하는 것입니다.

적절한 이의 제기 기간 설정: 악질 주문 흐름의 오픈 시간이 짧을 수 있다는 점을 고려할 때, 키퍼는 합리적인 기간 동안 가격에 이의를 제기할 수 있어야 합니다. 일괄 검증을 사용하면 더 많은 가스를 절약할 수 있지만 주문 흐름의 예측 불가능성으로 인해 모든 가격 데이터를 적시에 검증하거나 이의를 제기하기 어렵습니다.

Keeper에 대한 재정적 인센티브: 검증 제출에 드는 가스 비용은 낮지 않으며, Keeper가 시스템에 긍정적인 영향을 미치려면 검증 제출에 대한 인센티브가 제출 비용보다 커야 합니다. 그러나 주문 규모의 차이로 인해 이 가정이 모든 경우에 반드시 맞는 것은 아닐 수 있습니다.

마감 주문에도 비슷한 메커니즘이 필요한가요? 그렇다면 사용자 경험에 어떤 영향을 미칠 수 있나요?

사용자가 "불합리한" 슬리피지를 겪지 않도록 보장: 시장 급락의 경우 주문 생성과 체결 확정 사이에 큰 가격 차이가 발생할 수 있으므로 일종의 스톱로스 또는 멜트다운 메커니즘이 필요할 수 있습니다. 여기서는 가격 출처의 안정성을 보장하기 위해 Pyth에서 제공하는 EMA 가격을 사용하는 것을 고려합니다.

ZK 코프로세서 - 데이터 소비의 또 다른 형태

탐색해볼 만한 또 다른 방향은 ZK 코프로세서의 사용입니다. 이러한 프로세서는 복잡한 연산을 체인 아래에서 처리하고 체인 위쪽의 상태에 접근할 수 있으며, 라이선스 없이도 연산 결과를 검증할 수 있도록 증명을 제공하도록 설계되었습니다. 공리와 같은 프로젝트는 컨트랙트가 과거 블록체인 데이터를 쿼리하고, 오프체인에서 계산을 수행하며, 유효한 온체인 데이터를 기반으로 결과가 올바르게 계산되었는지 확인하기 위해 ZK 증명을 제출할 수 있도록 합니다. 코프로세서를 사용하면 유니스왑+커브와 같은 여러 디파이 네이티브 유동성 소스를 기반으로 조작에 강한 사용자 지정 TWAP 예후 예측기를 구축할 수 있습니다.

기존 예후 예측자와 비교했을 때, ZK 코프로세서는 디앱에 안전하게 제공할 수 있는 데이터의 범위를 확장할 것입니다. 현재 기존 예후 예측자들은 주로 최신 자산 가격 데이터(예: Pyth에서 제공하는 EMA 가격)를 제공합니다. ZK 코프로세서를 사용하면 애플리케이션은 과거 블록체인 데이터를 기반으로 더 많은 비즈니스 로직을 도입하여 프로토콜 보안을 개선하거나 사용자 경험을 향상시킬 수 있습니다.

그러나 ZK 코프로세서는 아직 개발 초기 단계에 있으며 다음과 같은 몇 가지 병목현상이 있습니다.

대량의 블록체인 데이터 처리에 너무 많은 시간이 걸릴 수 있습니다.

블록체인 데이터로 제한하면 비웹3 애플리케이션과의 안전한 통신에 대한 필요성을 해결하지 못합니다.

탈예언화 - 디파이의 미래?

예측 머신 의존성 문제는 외부 가격 데이터의 필요성을 근본적으로 제거하는 프리미티브를 설계함으로써 해결할 수 있다는 새로운 사고 방식이 제시되고 있으며, 최근 다양한 AMM LP 토큰을 가격 책정 도구로 활용하는 설계가 등장하고 있습니다. 이는 상수 함수 시장 메이커에서 LP 포지션은 거래 풀에서 두 자산의 사전 결정된 가중치를 나타내며, 거래는 자동화된 가격 공식(예: xy=k)을 따른다는 핵심 아이디어에 기반합니다. LP 토큰을 사용하면 프로토콜은 일반적으로 예후 예측자가 제공해야 하는 정보에 직접 액세스할 수 있으므로 예후 예측자 없는 솔루션이 탄생합니다. 이러한 솔루션은 예후 예측자에 대한 탈중앙 금융 프로토콜의 의존도를 완화하며, 많은 프로젝트에서 이러한 라인에 따라 애플리케이션을 구축하고 있습니다.

결론

가격 데이터는 여전히 오늘날 많은 탈중앙화 애플리케이션의 핵심 구성 요소이며, 예측 기계를 통해 보호되는 총 자산의 가치가 계속 증가하고 있으며, 이는 시장에서 예측 기계의 중요성을 보여주는 또 다른 증거입니다. 이 백서의 목적은 현재의 예언 머신을 통한 추가 수익(OEV)과 관련된 위험에 주목하고, 푸시, 풀, AMM LP 또는 오프체인 코프로세서 사용과 같은 대체 설계 솔루션의 구현 가능성을 탐구하는 것입니다.