فهرست مطالب
کل BEV استخراجشده
۵۴۰.۵۴ میلیون دلار
طی ۳۲ ماه
آدرسهای درگیر
۱۱,۲۸۹
استخراجکنندگان BEV
بیشترین BEV تکی
۴.۱ میلیون دلار
۶۱۶.۶× پاداش بلاک
1. مقدمه
ارزش استخراجپذیر بلاکچین (BEV) نشاندهنده تغییر بنیادین در ساختارهای انگیزشی بلاکچین است، جایی که معاملهگران فرصتطلب ارزش پولی را از قراردادهای هوشمند امور مالی غیرمتمرکز (DeFi) استخراج میکنند. با بیش از ۹۰ میلیارد دلار سرمایه قفلشده در پروتکلهای DeFi، سود مالی قابل توجه است. استخراج BEV از طریق مکانیسمهای مختلفی از جمله حملات ساندویچی، نقدشوندگیها و فرصتهای آربیتراژ که از ماهیت شفاف تراکنشهای بلاکچین سوءاستفاده میکنند، رخ میدهد.
مشکل اصلی در عدم تقارن اطلاعاتی نهفته است که در آن ماینرها ترتیب قرارگیری تراکنشها در بلاکها را کنترل میکنند و فرصتهایی برای استخراج ارزش ایجاد میکنند که به طور بالقوه میتواند امنیت بلاکچین را به خطر بیندازد. مطالعات پیشین نشان دادهاند که ماینرهای منطقی با تنها ۱۰ درصد نرخ هش، اگر فرصتهای BEV بیش از ۴ برابر پاداش بلاک باشد، اتریوم را فورک خواهند کرد که نشاندهنده پیامدهای امنیتی جدی است.
2. چارچوب ارزش استخراجپذیر بلاکچین
2.1 طبقهبندی BEV
BEV را میتوان در سه بردار حمله اصلی دستهبندی کرد:
- حملات ساندویچی: فرانت-رانینگ و بک-رانینگ تراکنشهای قربانی در اطراف عملیات حساس به قیمت
- نقدشوندگیها: سوءاستفاده از موقعیتهای کموثیقه در پروتکلهای وامدهی
- آربیتراژ: بهرهبرداری از اختلاف قیمت در صرافیهای غیرمتمرکز
2.2 تحلیل تأثیر اقتصادی
تحلیل ما ارقام حیرتآور استخراج BEV را نشان میدهد:
- حملات ساندویچی: ۷۵۰,۵۲۹ حمله با سود ۱۷۴.۳۴ میلیون دلار
- نقدشوندگیها: ۳۱,۰۵۷ تراکنش با استخراج ۸۹.۱۸ میلیون دلار
- آربیتراژ: ۱,۱۵۱,۴۴۸ تراکنش با تولید ۲۷۷.۰۲ میلیون دلار
3. روششناسی فنی
3.1 الگوریتم بازاجرای تراکنش
ما یک الگوریتم نوآورانه بازاجرای تراکنش مستقل از برنامه توسعه دادهایم که میتواند تراکنشهای تأییدنشده را بدون درک منطق زیرین جایگزین کند. این الگوریتم به شرح زیر عمل میکند:
function replayTransaction(victim_tx, attacker_address) {
// نظارت بر ممپول برای تراکنشهای سودآور
if (isProfitable(victim_tx)) {
// ایجاد تراکنش جایگزین با گاز بالاتر
replacement_tx = createReplacementTx(victim_tx, attacker_address);
replacement_tx.gasPrice = victim_tx.gasPrice * 1.1;
// ارسال به شبکه
broadcast(replacement_tx);
return estimateProfit(replacement_tx, victim_tx);
}
}
این الگوریتم سود تخمینی ۵۷,۰۳۷.۳۲ اتر (۳۵.۳۷ میلیون دلار آمریکا) طی ۳۲ ماه داده بلاکچین به دست آورد.
3.2 چارچوب ریاضی
سودآوری استخراج BEV را میتوان با استفاده از معادله زیر مدل کرد:
$$P_{BEV} = \sum_{i=1}^{n} (V_i \times \Delta p_i - C_{gas} - C_{risk}) \times S_i$$
جایی که:
- $P_{BEV}$ = سود کل BEV
- $V_i$ = ارزش تراکنش برای فرصت $i$
- $\Delta p_i$ = درصد تأثیر قیمت
- $C_{gas}$ = هزینههای گاز
- $C_{risk}$ = هزینههای ریسک (شامل ریسک بازآرایی زنجیره)
- $S_i$ = احتمال موفقیت
4. نتایج تجربی
4.1 آمار استخراج BEV
تحلیل جامع ما ۳۲ ماه داده بلاکچین را پوشش داد و موارد زیر را ثبت کرد:
- ۴۹,۶۹۱ ارز رمزنگاری مختلف
- ۶۰,۸۳۰ بازار زنجیرهای
- ۱۱,۲۸۹ آدرس منحصربهفرد مشارکتکننده در استخراج BEV
توزیع BEV در دستههای مختلف نشان میدهد که آربیتراژ بزرگترین سهم (۵۱.۲٪) را به خود اختصاص داده است، پس از آن حملات ساندویچی (۳۲.۲٪) و نقدشوندگیها (۱۶.۵٪) قرار دارند.
4.2 پیامدهای امنیتی
ظهور سیستمهای متمرکز رله BEV حملات لایه اجماع را تشدید میکند. این سیستمها ایجاد میکنند:
- متمرکزسازی افزایشیافته ماینرها در اطراف خدمات رله سودآور
- کاهش شفافیت در ترتیبدهی تراکنشها
- قابلیتهای تقویتشده برای حملات تایم-باندیت
تحلیل ما تأیید میکند که فرصتهای BEV اغلب از آستانه بحرانی فراتر میروند که در آن ماینرهای منطقی برای فورک کردن زنجیره تشویق میشوند، با بالاترین نمونه BEV که به ۶۱۶.۶× پاداش بلاک اتریوم رسید.
5. کاربردهای آینده و جهتهای پژوهشی
اکوسیستم BEV با چندین روند نوظهور همچنان در حال تکامل است:
5.1 راهبردهای کاهش
- خدمات ترتیبدهی منصفانه: تکنیکهای رمزنگاری برای ترتیبدهی منصفانه تراکنش
- ممپولهای رمزگذاریشده: مکانیسمهای ارسال تراکنش حافظ حریم خصوصی
- سیستمهای مزایده MEV: بازارهای شفاف برای حقوق ترتیبدهی تراکنش
5.2 راهحلهای سطح پروتکل
- رمزگذاری آستانهای برای حریم خصوصی تراکنش
- طرحهای commit-reveal برای عملیات حساس
- پروتکلهای ترتیبدهی تصادفی تراکنش
5.3 فرصتهای پژوهشی
- تحلیل استخراج BEV بین زنجیرهای
- آسیبپذیریهای راهحلهای لایه-۲
- verification رسمی پروتکلهای مقاوم در برابر MEV
تحلیل اصلی
این مطالعه پیشگامانه توسط Qin و همکاران اولین سنجش جامع ارزش استخراجپذیر بلاکچین را ارائه میدهد و مقیاس حیرتآور ۵۴۰.۵۴ میلیون دلار استخراجشده طی ۳۲ ماه را آشکار میکند. این پژوهش نشان میدهد که چگونه BEV به طور بنیادین مفروضات امنیتی بلاکچین را تغییر میدهد و انگیزههای اقتصادی ایجاد میکند که میتواند مکانیسمهای اجماع را تضعیف کند. یافتهای که یک نمونه BEV تکی به ۴.۱ میلیون دلار (۶۱۶.۶× پاداش بلاک اتریوم) رسید، نگرانیهای نظری درباره انگیزههای ماینر برای بازآرایی زنجیره را تأیید میکند.
مشارکت فنی الگوریتم بازاجرای تراکنش مستقل از برنامه نشاندهنده پیشرفت قابل توجهی در روششناسی استخراج BEV است. برخلاف رویکردهای قبلی که نیاز به درک معناشناسی تراکنش داشتند، این الگوریتم در سطح عمومی عمل میکند و به طور بالقوه راهبردهای استخراج پیچیدهتری را امکانپذیر میسازد. این توسعه مشابه تکامل تکنیکهای یادگیری ماشین متخاصم دیده شده در آثار CycleGAN (Zhu و همکاران، ۲۰۱۷) است، جایی که رویکردهای مستقل از حوزه اغلب نتایج قویتری به دست میدهند.
در مقایسه با دستکاری بازارهای مالی سنتی که توسط SEC و پژوهشگران آکادمیک مانند Allen و Gale (۱۹۹۲) مطالعه شده است، BEV به دلیل شفافیت بلاکچین ویژگیهای منحصربهفردی نشان میدهد. در حالی که بازارهای سنتی از عدم تقارن اطلاعاتی رنج میبرند، بلاکچینها اطلاعات کامل فراهم میکنند اما عدم تقارنهای جدیدی در ترتیبدهی تراکنش ایجاد میکنند. این با یافتههای بانک تسویههای بینالمللی (۲۰۲۱) درباره آسیبپذیریهای DeFi همسو است.
پیامدهای امنیتی به ویژه نگرانکننده است. همانطور که در پژوهش بنیاد اتریوم درباره امنیت اجماع اشاره شده است، انگیزههای اقتصادی هدایتکننده رفتار ماینر تهدید بنیادینی برای سیستمهای Proof-of-Work و Proof-of-Stake به طور یکسان نشان میدهد. ظهور سیستمهای متمرکز رله BEV فشارهای متمرکزسازی اضافی ایجاد میکند و به طور بالقوه روح غیرمتمرکز سیستمهای بلاکچین را تضعیف میکند.
پژوهش آینده باید بر توسعه طراحیهای پروتکل مقاوم در برابر BEV متمرکز شود، که به طور بالقوه از تکنیکهای حریم خصوصی تفاضلی استفاده شده در سیستمهای پایگاه داده (Dwork و همکاران، ۲۰۰۶) و محاسبات چندجانبه امن الهام بگیرد. تکامل سریع روشهای استخراج BEV نشاندهنده رقابت تسلیحاتی مداوم بین طراحان پروتکل و استخراجکنندگان ارزش است، مشابه بازی گربه و موشی مشاهده شده در امنیت سایبری.
6. مراجع
- Zhu, J. Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. IEEE International Conference on Computer Vision.
- Allen, F., & Gale, D. (1992). Stock-Price Manipulation. The Review of Financial Studies.
- Bank for International Settlements. (2021). DeFi risks and the decentralisation illusion. BIS Quarterly Review.
- Dwork, C., McSherry, F., Nissim, K., & Smith, A. (2006). Calibrating Noise to Sensitivity in Private Data Analysis. Theory of Cryptography Conference.
- Ethereum Foundation. (2022). Ethereum Consensus Layer Security Analysis. Ethereum Research.
- Daian, P., et al. (2020). Flash Boys 2.0: Frontrunning, Transaction Reordering, and Consensus Instability in Decentralized Exchanges. IEEE Symposium on Security and Privacy.
- Torres, C. I., et al. (2021). Frontrunner Jones and the Raiders of the Dark Forest: An Empirical Study of Blockchain Extractable Value. Financial Cryptography.
- Qin, K., Zhou, L., & Gervais, A. (2021). Quantifying Blockchain Extractable Value: How dark is the forest? IEEE Conference on Security and Privacy.