Introdução

As aplicações descentralizadas de hoje enfrentam limitações na realização de cálculos complexos on-chain devido às capacidades de processamento restritas do blockchain. No entanto, com o rápido desenvolvimento de tecnologias como coprocessadores de blockchain, em conjunto com a teoria dos jogos e design de mecanismos, uma nova onda de casos de uso surge para melhorar significativamente a experiência do usuário.

Este artigo explora o espaço de design dos coprocessadores, com foco nos possíveis casos de uso que eles capacitam.

Principais pontos:

• A computação Blockchain é cara e limitada; Uma solução é mover a computação para fora da cadeia e verificar os resultados on-chain por meio de coprocessadores, permitindo lógicas dApp mais complexas.
• Os coprocessadores podem ser categorizados em sem confiança (ZK), minimizados (MPC/TEE), otimistas e criptoeconômicos com base em suas suposições de segurança. Essas soluções também podem ser combinadas para alcançar a compensação de segurança versus eficiência desejada.
• Diferentes tipos de coprocessadores são adequados para diferentes tarefas em DeFi. Os casos de uso potenciais abrangem DEX (AMM & livro de ordens), mercados monetários, staking, restaking, etc.
• Com o surgimento da IA descentralizada, juntamente com coprocessadores, estamos entrando em uma nova era de “Inteligente DeFi".

O Papel dos Coprocessadores

Blockchain é comumente visto como uma máquina virtual (VM) de CPU de uso geral que pode não ser ideal para cálculos pesados. Tarefas envolvendo análise de dados e cálculos intensivos frequentemente necessitam de soluções off-chain. Por exemplo, as exchanges de ordens como dydx v3 utilizam correspondência off-chain e motores de risco rodando em servidores centralizados, com apenas os acordos de fundos ocorrendo on-chain.

Na computação, coprocessadores são introduzidos para ajudar os processadores a realizar tarefas específicas, conforme indicado pelo prefixo 'co-'. Por exemplo, as GPUs servem como coprocessadores para CPUs. Eles se destacam no manuseio de computações paralelas necessárias para tarefas como renderização 3D e aprendizado profundo. Essa disposição permite que a CPU principal se concentre no processamento de propósito geral. O modelo de coprocessador capacitou os computadores a lidar com cargas de trabalho mais complexas que não teriam sido viáveis com uma única CPU para todos os fins.

Ao aproveitar coprocessadores e acessar dados on-chain, as aplicações blockchain podem potencialmente fornecer recursos avançados e tomar decisões informadas. Isso cria oportunidades para realizar cálculos adicionais, possibilitando o desempenho de tarefas mais complexas e permitindo que as aplicações se tornem mais “inteligentes”.

Diferentes Tipos de Coprocessadores

Com base em pressupostos de confiança, os coprocessadores podem ser classificados principalmente em três tipos diferentes - Zero-Knowledge (ZK), Optimista e Criptoeconômico.

Os coprocessadores ZK, se implementados corretamente, são teoricamente não confiáveis. Eles realizam cálculos off-chain e enviam provas on-chain para verificação. Embora forneçam velocidade, há um trade-off em termos de custo de comprovação. À medida que o hardware personalizado avança e a criptografia se desenvolve, o custo final repassado aos consumidores finais pode ser potencialmente reduzido a um nível mais aceitável.

AxiomeRISC ZeroBonsai são exemplos de coprocessadores ZK. Eles permitem que a computação arbitrária com acesso ao estado on-chain seja executada off-chain e forneçam provas de que a computação foi realizada.

Para fornecer uma compreensão mais clara de como opera um coprocessador ZK típico, vamos examinar o fluxo de RISC Zero Bonsai.

Aplicativos enviam solicitações de coprocessamento para Bonsai Relay, que encaminha a solicitação de prova para o serviço probatório Bonsai. O RISC Zero zkVM executa o programa e gera uma prova para validar a execução correta do código, que pode ser verificada por qualquer pessoa. Posteriormente, Bonsai Relay publica a prova na cadeia, e os aplicativos recebem os resultados por meio de uma função de retorno de chamada.

Bonsai no Ethereum

Embora o coprocessador ZK seja um método para realizar cálculos verificáveis fora da cadeia, alternativas como MPC e TEEs oferecem abordagens diferentes. MPC permite computação colaborativa em dados sensíveis, enquanto TEEs fornecem enclaves seguros baseados em hardware. Cada opção vem com seu próprio conjunto de compensações entre segurança e eficiência. Neste artigo, vamos nos concentrar nos coprocessadores ZK.

Coprocessadores otimistas oferecem soluções econômicas, mas sofrem de problemas de latência significativos (tipicamente semanas). Eles exigem partes honestas para desafiá-los efetivamente com provas de fraude dentro da janela desafiadora. Portanto, o tempo para garantias de segurança é adiado.

Coprocessadores criptoeconômicos são coprocessadores otimistas com um vínculo econômico grande o suficiente na execução e um sistema de seguro on-chain que permite que outros garantam compensação por computação errônea. Esse vínculo econômico e seguro podem ser adquiridos por meio de provedores de segurança compartilhados como a Eigenlayer. A vantagem é o acerto instantâneo, mas o inconveniente é o custo de adquirir seguro.

Características de Vários Tipos de Coprocessadores

*Existem tempos de geração de provas de menos de um segundo por aí (reconhecidamente para provas pequenas e otimizadas) e elas estão melhorando rapidamente.

Diferentes tipos de coprocessadores exibem características distintas de custo, latência e segurança. A combinação de diferentes tipos de coprocessadores pode levar a uma experiência do usuário otimizada. Um exemplo marcante é Brevis. Inicialmente lançado com um coprocessador zk, a Brevis agora revelou o Brevis coChain. Esta inovação combina cripto-economia e ZKP dentro de um coprocessador ZK, resultando em custos reduzidos, latência minimizada e experiência do usuário aprimorada.

Os coprocessadores ZK puros, em seu estado atual, ainda apresentam desafios como altos custos de geração de prova e problemas de escalabilidade. Isso ocorre porque as provas ZK para acesso a dados e resultados de computação são sempre geradas antecipadamente. Aproveitando a infraestrutura de restaking da Eigenlayer, o Brevis coChain permite que os dapps personalizem o nível de segurança cripto-econômica desejado, concedendo-lhes maior flexibilidade para aprimorar a experiência do usuário. Aqui está uma explicação simplificada de como ele opera.

A Brevis coChain primeiro geraria 'otimisticamente' um resultado para a solicitação de coprocessamento com base no consenso de PoS. Em seguida, duas janelas de desafio são iniciadas, uma é específica do aplicativo e configurável pelos desenvolvedores, e a outra é a janela global mais longa de redução do coChain.

Fluxo de Trabalho Brevis coChain

Durante a janela de desafio de inscrição, os observadores podem enviar um ZKP contradizendo os resultados de coprocessamento. Os desafios bem-sucedidos reduzem a recompensa do proponente e recompensam o desafiante. Propostas fracassadas levam à perda da fiança do desafiante.

Se não houver desafios, o aplicativo considerará os resultados válidos. A janela de corte global do coChain existe para aumentar a segurança. Mesmo que um aplicativo aceite um resultado defeituoso, desde que a janela de corte do coChain esteja aberta, validadores mal-intencionados podem ser cortados e resultados incorretos podem ser corrigidos.

Como diferentes tipos de coprocessadores exibem características distintas de custo, latência e segurança, os aplicativos devem avaliar seus requisitos para determinar o tipo de coprocessadores de que precisam. Se a computação envolve tarefas de alta segurança, como calcular saldos de validadores na cadeia Beacon em staking líquido onde bilhões de dólares estão em jogo, os coprocessadores ZK são a escolha mais apropriada. Eles fornecem a máxima segurança, uma vez que os resultados podem ser verificados sem confiança. Além disso, a latência não é uma preocupação em tais cenários, permitindo a geração de provas dentro de prazos aceitáveis.

Para tarefas que são menos sensíveis à latência e não envolvem um valor financeiro significativo, como a exibição de métricas de conquistas on-chain em seus perfis sociais, um coprocessador otimista que oferece o menor cálculo off-chain pode ser preferível.

Para outras tarefas, os coprocessadores criptoeconômicos provam ser mais eficazes em termos de custo quando o seguro adquirido cobre o valor em risco. A análise dos custos de seguro deve ser feita caso a caso, fortemente influenciada pelo valor facilitado pela aplicação. Essas tarefas frequentemente envolvem análises diversas e modelagem de riscos.

Outra maneira de categorizar coprocessadores é por tipo de computação, com exemplos como:

• RiscZero, Sucinto e =nil;para computação geral,
• RitualeMódulopara AI,
• Espaço e Tempopara operações de banco de dados,
• MegaETHpara cálculos EVM e muito mais.

O uso de coprocessadores em DeFi é uma área emergente que tem grande potencial. A seguir, vou esboçar ideias e implementações existentes sobre como os coprocessadores poderiam ser utilizados em diversos setores dentro do DeFi, incluindo DEX, mercados monetários, staking, restaking, etc.

DEX

Há várias partes interessadas envolvidas em um DEX. Isso inclui comerciantes, provedores de liquidez, criadores de mercado, gerentes de liquidez, solucionadores/preenchedores e muito mais. Os coprocessadores têm o potencial de simplificar eficientemente tarefas complexas com diferentes níveis de suposições de confiança, melhorando a experiência dessas partes interessadas.

Redução de custos

Em um AMM básico, uma função importante é calcular os parâmetros necessários quando os usuários iniciam uma troca. Esses parâmetros incluem a quantidade a ser trocada para dentro e para fora, a taxa e o preço após a troca. Um caso de uso direto para aproveitar o poder computacional dos coprocessadores zk, mantendo garantias de confiança, é realizar uma parte da função de troca off-chain e, em seguida, concluir as etapas restantes on-chain. zkAMMs são uma variante de Automated Market Makers (AMMs) que integram provas de conhecimento zero no protocolo. Diego (@0xfuturistic) introduz uma implementação de zkAMM (zkUniswap) baseada no Uniswap v3, onde uma parte da computação de troca AMM é descarregada para o Risc Zero zkVM. Um usuário inicia uma troca fazendo uma solicitação on-chain, as entradas da troca são capturadas pelo relayer, e a computação é realizada off-chain. O relayer então publica a saída e a prova. A AMM verifica a prova e liquida a troca.

Embora o custo computacional ainda seja comparável ao da EVM na fase atual, é possível obter uma eficiência mais alta ao paralelizar a computação de swaps com caminhos independentes graças à funcionalidade de continuação do RiscZero. Essencialmente, a execução de swaps pode ser feita sequencialmente on-chain, mas as etapas reais da troca podem ser calculadas em paralelo off-chain usando essa abordagem. Isso permite a paralelização da parte mais pesada para lotes, o que não é nativamente possível na EVM. O custo de verificação também pode ser amortizado ao agrupar várias transações juntas.

Os usuários também têm a opção de usar uma camada alternativa de disponibilidade de dados para enviar solicitações de troca. Outra abordagem é utilizar a assinatura EIP712 para propagação fora da cadeia, o que pode reduzir ainda mais os custos de troca.

Parâmetros Dinâmicos

Coprocessadores também podem ser utilizados para controlar dinamicamente a taxa de troca para um pool AMM. O conceito de uma taxa dinâmica é aumentar a taxa de taxa durante períodos de volatilidade de mercado e diminuí-la durante condições de mercado mais calmas. Isso serve como um benefício para os provedores de liquidez passivos, já que consistentemente assumem o lado desfavorável das negociações e experimentam vazamento de valor através de Perda versus Reequilíbrio (LVR). A implementação de taxas dinâmicas tem como objetivo resolver esse problema compensando adequadamente os LPs.

Algumas AMMs já possuem esse recurso. Por exemplo, Ambientutiliza um oráculo externo que monitora e tira instantâneos de diferentes pools Uniswap v3 de camada de taxa a cada 60 minutos para escolher o melhor desempenho.

Para fornecer mais informações sobre ajustar a taxa de taxa, dados adicionais podem ser utilizados, tanto on-chain quanto off-chain. Isso inclui negociações históricas realizadas on-chain para este pool AMM específico ou para o mesmo par em vários pools de liquidez (como a solução Ambient) ou até mesmo pools em diferentes redes. Se determinadas suposições de confiança forem permitidas, dados off-chain (por exemplo, dados de negociação CEX) de oráculos confiáveis como Chainlink ou Pyth, também poderiam ser introduzidos.

A decisão sobre quais tipos de coprocessadores usar é influenciada pela frequência com que a taxa é ajustada. Nos casos em que um pool requer alterações de taxa dinâmica muito frequentes, os coprocessadores criptoeconômicos podem ser mais adequados. Isso ocorre porque os custos de prova provavelmente superarão os custos de seguro, que podem ser estimados como a diferença na taxa de taxa multiplicada pelo volume médio. No caso de quaisquer cálculos errôneos, os LPs podem facilmente reivindicar seu seguro facilitado pela Eigenlayer para compensar sua perda em taxas.

Por outro lado, existem pools que preferem mudanças menos frequentes na taxa de taxas. No entanto, essas pools lidam com volumes muito grandes, o que pode aumentar o custo da compra de seguro. Nesses casos, os coprocessadores ZK são mais adequados, pois fornecem a garantia mais forte.

Gerenciador de Liquidez Ativa (ALM)

A provisão de liquidez passiva pode ser uma opção atraente para usuários menos experientes que desejam ganhar taxas de sua liquidez ociosa sem se preocupar excessivamente com desvios de preço. No entanto, alguns provedores de liquidez (LPs) são mais suscetíveis a perdas causadas por desvios de preços e arbitragens estatísticas. Discutimos anteriormente como ajustar as taxas dinamicamente poderia mitigar esse problema. Mas por que não dar um passo adiante e mudar completamente a forma da curva de liquidez? Esta é uma abordagem mais sofisticada para a gestão de liquidez conhecida como Active Liquidity Managers (ALMs).

Lamentavelmente, a maioria dos ALMs existentes oferece apenas estratégias básicas como o rebalanceamento, que têm um impacto limitado na coleta de taxas. Por outro lado, técnicas ligeiramente mais avançadas, como a cobertura usando mercados monetários ou derivativos, estão disponíveis. No entanto, ou incorrem em altos custos ao serem executadas frequentemente on-chain ou dependem de cálculos centralizados off-chain em caixas-pretas.

Coprocessors têm o potencial de enfrentar questões de custo e confiança, permitindo a adoção de estratégias avançadas. Ao integrar-se com soluções de aprendizado de máquina de ponta de conhecimento zero (ZKML) como Modulus Labse plataformas de IA descentralizadas como Ritual, os gestores de liquidez podem alavancar estratégias complexas com base em dados históricos de negociação, correlações de preços, volatilidade, momentum e muito mais, enquanto desfrutam das vantagens da privacidade e da confiança zero.

Estratégias de negociação de alta frequência requerem cronometragem precisa e execução rápida. Enquanto as soluções ZK nem sempre atendem à velocidade necessária, coprocessadores criptoecômicos se destacam nessa área. Esses coprocessadores permitem que algoritmos de IA sejam executados rapidamente, com parâmetros atualizados tão frequentemente quanto o tempo de bloco permitir. No entanto, a utilização desse enfoque vem com custos de seguro. Estimar com precisão esses custos pode ser desafiador devido a riscos potenciais, como gestores que manipulam fundos ou realizam contra-negociações. O processo de tomada de decisão envolve equilibrar os retornos adicionais em relação às despesas com seguro, o que depende, em última instância, do volume total ocorrendo dentro do período de tempo medido pelo coprocessador. Escalar esse processo também pode se mostrar difícil com base no capital disponível para acesso em um único AVS e na capacidade de prever o valor em risco a qualquer momento.

Distribuição de Recompensas com Base em Métricas

Embora cada transação seja registrada no blockchain, os contratos inteligentes enfrentam desafios na determinação das métricas que essas transações representam, como volume de transações, número de interações, TVL por unidade de tempo, etc. Alguém pode sugerir o uso de soluções de indexação como Dune Analytics, que fornecem informações valiosas. No entanto, depender da indexação fora da cadeia introduz uma camada adicional de confiança. É aqui que os coprocessadores surgem como uma solução promissora.

Uma métrica on-chain particularmente valiosa é o volume. Por exemplo, o volume acumulado dentro de um pool AMM específico associado a um endereço particular dentro de certos blocos. Essa métrica é muito benéfica para DEX. Um caso de uso é permitir a definição de diferentes camadas de taxas para usuários com base em seu volume de negociação. Esta abordagem é semelhante às taxas dinâmicas, mas em vez de depender de dados gerais, ela analisa dados específicos do endereço.

Brevisfornece um exemplo interessante em que a prova de volume poderia ser combinada com um desconto de taxa personalizado Uniswap ganchos para oferecer descontos de taxa com base em volume semelhantes aos traders VIP em CEXes.

Especificamente, o Uniswap v4 pode ler o histórico de transações de um usuário nos últimos 30 dias, analisar cada evento de negociação com lógica personalizada e calcular o volume de negociação com o Brevis. O volume de negociação e uma Prova ZK gerada pela Brevis são então verificados de forma confiável em um contrato inteligente Uniswap v4 Hook, que determina e registra o nível de taxa VIP do usuário de forma assíncrona. Após a verificação da prova, quaisquer negociações futuras de um usuário elegível acionarão a função getFee() para simplesmente procurar o registro VIP e reduzir as taxas de negociação para eles de acordo.

O custo de se certificar como um “VIP” também é barato (cerca de $2.5 com base em seus resultados de referência de desempenho). Os custos podem ser reduzidos ainda mais pela agregação de vários usuários usando soluções como NEBRA. A única compensação é a latência, pois levou aproximadamente 400 segundos para acessar e calcular 2600 transações on-chain no Uniswap. No entanto, isso é menos preocupante para recursos que não são sensíveis ao tempo.

Para lidar com preocupações de latência, os dapps poderiam aproveitar a coChain da Brevis. Os resultados são calculados e entregues rapidamente através de um mecanismo de consenso PoS para minimizar atrasos. Em caso de atividades maliciosas, um ZKP pode ser usado durante a janela de desafio para penalizar os validadores mal-intencionados.

Por exemplo, no cenário de taxa VIP mencionado anteriormente, se mais de 2/3 dos validadores coChain atribuírem enganosamente uma camada VIP mais alta a determinados usuários em uma "tabela de pesquisa de camada VIP" vinculada ao gancho de taxa dinâmica, alguns usuários podem inicialmente receber descontos de taxa maiores. No entanto, quando uma prova ZK é apresentada durante a janela de corte, demonstrando que as camadas VIP estão incorretas, os validadores maliciosos enfrentarão penalidades. As camadas VIP erradas podem ser corrigidas habilitando o retorno de chamada de desafio para atualizar a tabela de pesquisa da camada VIP. Para cenários mais cautelosos, os desenvolvedores podem optar por implementar janelas de desafio estendidas no nível do aplicativo, fornecendo uma camada adicional de segurança e adaptabilidade.

Mineração de Liquidez

A mineração de liquidez é uma forma de distribuição de recompensas destinada a inicializar a liquidez. A DEX poderia obter uma compreensão mais profunda do comportamento de seus provedores de liquidez por meio de coprocessadores e distribuir adequadamente recompensas ou incentivos de mineração de liquidez. É importante reconhecer que nem todos os LPs são iguais; alguns agem como mercenários, enquanto outros permanecem fiéis a longo prazo.

O incentivo de liquidez ideal deve avaliar retrospectivamente a dedicação dos LPs, especialmente durante flutuações significativas do mercado. Aqueles que consistentemente fornecem suporte ao pool durante tais períodos devem receber as maiores recompensas.

Sistema de Reputação Solver/Filler

Em um futuro focado na intenção do usuário, os solucionadores/preenchedores desempenham um papel crucial, simplificando transações complexas e alcançando resultados mais rápidos, baratos ou melhores. No entanto, há críticas contínuas em relação ao processo seletivo para solvers. As soluções atuais incluem:

• Um sistema sem permissão que utiliza leilões holandeses ou escaladores de taxas. No entanto, este método enfrenta desafios na garantia de um ambiente de leilão competitivo e sem permissão, potencialmente resultando em problemas de latência ou até mesmo falta de execução para os usuários.
• Um sistema sem permissão requer o bloqueio de tokens para participação, o que cria uma barreira financeira para a entrada e pode carecer de condições claras de corte/penalidade, ou execuções transparentes e sem confiança.
• Alternativamente, uma lista branca de solucionadores pode ser estabelecida com base na reputação e no relacionamento.

O caminho a seguir deve ser tanto sem permissão quanto sem confiança. No entanto, para alcançar isso, é necessário estabelecer diretrizes para distinguir entre ótimos solucionadores e aqueles que não são tão ótimos. Ao utilizar coprocessadores ZK, provas verificáveis podem ser geradas para determinar se determinados solucionadores atendem ou não a essas diretrizes. Com base nessas informações, os solucionadores podem ser submetidos a fluxos de ordem de prioridade, redução, suspensão ou até mesmo listagem negra. Idealmente, os melhores solucionadores receberiam mais fluxos de ordem, enquanto os piores solucionadores receberiam menos. É importante revisar e atualizar periodicamente essas classificações para evitar enraizamento e promover competição, dando aos recém-chegados uma chance igual de participar.

Oráculo de Preço Resistente à Manipulação

A Uniswap já introduziu oráculos incorporados em suas versões v2 e v3. Com o lançamento da v4, o Uniswap expandiu as possibilidades para os desenvolvedores, introduzindo opções de oráculo mais avançadas. No entanto, ainda existem limitações e restrições quando se trata de oráculos de preços on-chain.

Primeiramente, há a consideração do custo. Se um oráculo de preços computado pelo coprocessador puder oferecer melhorias de custo, ele poderia servir como uma alternativa mais acessível. Quanto mais complexos forem os designs do oráculo de preços, maior o potencial de economia de custos.

Em segundo lugar, o pool de oráculos de preço on-chain ainda é suscetível à manipulação. Para resolver isso, é prática comum agregar preços de diferentes fontes e realizar cálculos para criar um oráculo de preço mais resistente à manipulação. Os coprocessadores têm a capacidade de recuperar negociações históricas de vários pools, mesmo em diferentes protocolos, possibilitando a geração de um oráculo de preço resistente à manipulação com custos competitivos para integração com outros protocolos DeFi.

Dados DIAestá trabalhando em oráculos baseados em ZK com O(1) Labsdo ecossistema Mina. A abordagem é semelhante - pegando dados de mercado e realizando cálculos mais sofisticados off-chain, livre de custos de gás e outras restrições de execução, mas com a capacidade de verificar a integridade do cálculo, uma vez que o resultado é servido on-chain. Isso pode tornar viável complementar feeds de preços simples com outros dados de mercado, como profundidade, para ajudar a avaliar o impacto da liquidação, bem como metadados para permitir que os protocolos personalizem seu feed.

Sistemas de Margem

Para superar as limitações computacionais da tecnologia blockchain, muitas plataformas de derivativos frequentemente movem certos componentes, como sistemas de gerenciamento de riscos, para fora da cadeia.

@0x_emperore@0xkranepropor um caso de uso interessante de coprocessadores onde a lógica de margem é transparente e verificável. Em muitas exchanges, sistemas de gerenciamento de risco estão em vigor para evitar alavancagem excessiva. Um exemplo disso é o Sistema de Desalavancagem Automática (ADL), que aloca estrategicamente as perdas para traders lucrativos a fim de compensar as perdas experimentadas pelos traders liquidados. Essencialmente, ele redistribui as perdas entre traders lucrativos para cobrir as dívidas não pagas resultantes dessas liquidações.

Os usuários podem ter perguntas sobre o fechamento forçado de suas posições. Para resolver isso, a exchange poderia utilizar coprocessadores para executar a lógica do motor de margem usando dados on-chain e gerar provas para verificar a computação correta. Como as ocorrências de ADL são infrequentes, as preocupações com latência e custos de prova são mínimas. No entanto, o uso de coprocessadores Zk trustless e verificáveis melhora a transparência e a integridade, o que é benéfico para a exchange e seus usuários.

Mercado Monetário

Ao aproveitar insights de dados históricos on-chain, os coprocessadores têm o potencial de aprimorar o gerenciamento de risco para LPs e protocolos de empréstimo. Além disso, os protocolos podem oferecer uma experiência de usuário aprimorada com base em análises orientadas por dados.

Quando a Curve sofreu uma exploração há alguns meses, a atenção se voltou para os mercados financeiros com milhões de tokens CRV em risco de liquidação. Os credores do Frax encontraram algum consolo nos aumentos agressivos das taxas de juros do protocolo quando a relação empréstimo-valor (LTV) ficou insalubre. Isso incentivou o fundador da Curve a pagar a dívida mais rapidamente. No entanto, os interessados da AAVE expressaram preocupações e iniciaram discussões sobre a redução da capacidade de garantia e potencialmente interrompendo o mercado. Seu medo estava enraizado na possibilidade de liquidez insuficiente para liquidações bem-sucedidas, o que poderia resultar em dívidas ruins e vulnerabilidade às condições de mercado.

Felizmente, a crise foi resolvida. É importante revisar regularmente os ativos listados nos mercados monetários, com foco especial em sua liquidez no mercado, especialmente durante eventos de liquidação. Ativos ilíquidos devem ter uma relação empréstimo-valor (LTV) e capacidade de garantia mais baixas.

No entanto, o processo de tomada de decisão para mudanças nos parâmetros de risco nos mercados monetários muitas vezes é reativo, como observamos na situação do CRV. Precisamos de medidas mais rápidas e proativas, incluindo soluções sem confiança. Houve discussões sobre o uso de Controles de Feedbackajustar dinamicamente os parâmetros com base nas métricas on-chain, como a utilização de liquidez, em vez de depender de uma curva pré-determinada. Um conceito intrigante envolve um pool de empréstimos que verifica a prova de liquidez on-chain para um mercado específico. O controlador recebe uma prova calculada a partir de métricas on-chain por coprocessadores ZK, indicando quando um ativo não é mais suficientemente líquido além de um determinado limite. Com base nessas informações, o controlador pode adotar várias medidas, como ajustar as taxas de juros, definir limites de LTV, suspender o mercado ou até mesmo descontinuá-lo completamente.

Estratégias mais avançadas poderiam incluir o ajuste periódico da capacidade de empréstimo de garantia ou da curva da taxa de juros com base na liquidez on-chain da semana anterior. O limiar exato seria determinado por meio de discussões dentro do DAO. Poderia ser determinado considerando fatores como volume histórico on-chain, reservas de token, escorregamento mínimo para uma troca de montante único, e assim por diante.

Para credores e mutuários, os mercados monetários podem fornecer serviços e experiências aprimorados, semelhantes aos programas de reembolso de taxas para traders VIP em DEXs. Existem soluções de pontuação de crédito existentes que visam criar um perfil abrangente de usuários on-chain. O objetivo é incentivar comportamentos positivos, como gerenciamento de risco eficaz demonstrado pela evitação de eventos de liquidação, manutenção de índices saudáveis de LTV, realização de grandes depósitos estáveis e muito mais. Recompensas sem confiança podem ser dadas por esses comportamentos positivos, incluindo taxas de juros melhores e mais suaves em comparação com usuários médios, índices de LTV e liquidação máximos mais altos, um tempo de buffer para liquidação, taxas de liquidação mais baixas e muito mais.

Staking & Restaking

Oráculo de minimização de confiança

Desde o Merge e a atualização Shanghai/Shapella, o mercado de staking líquido se tornou o maior mercado em DeFi. Notavelmente, a Lido acumulou mais de $29 bilhões em TVL, enquanto a Rocketpool tem mais de $3.6 bilhões em TVL.

Dado o montante substancial de dinheiro envolvido, é importante notar que os oráculos usados para reportar informações, como saldos precisos dos validadores associados na cadeia de beacons, ainda são confiáveis. Esses oráculos desempenham um papel crucial na distribuição de recompensas aos stakers na camada de execução.

Atualmente, a Lido emprega um mecanismo de quórum 5-de-9 e mantém uma lista de membros confiáveis para proteção contra agentes maliciosos. Da mesma forma, a Rocketpool opera com um Oracle DAO somente por convite composto por operadores de nós que são confiáveis para atualizar as informações de recompensa nos contratos inteligentes na camada de execução.

No entanto, é essencial reconhecer que se a maioria das partes terceiras confiáveis fosse comprometida, poderia prejudicar significativamente os detentores de tokens de participação líquida (LST) e todo o ecossistema DeFi construído em cima dos LSTs. Para mitigar o risco de relatórios de oráculo errôneos/maliciosos, a Lido tem em vigor uma série de verificações de sanidadeque são implementados no código da camada de execução do protocolo.

Com a introdução do EIP-4788 "raiz do bloco farol na EVM", torna-se mais fácil para coprocessadores acessar e calcular dados na camada de consenso.=nill; Foundation, Sucinto e DendrETH estão todos desenvolvendo seu próprio oráculo ZK-proof TVL para Lido. Para garantir a segurança máxima, Lido poderia utilizar uma arquitetura de multi-prova.

Tomando como exemplo o design da =nil;, em um nível alto, o oráculo obtém informações essenciais das camadas de Consenso e Execução, como o Cabeçalho do Bloco Beacon, o Estado do Beacon, os endereços do contrato do Lido, etc. Em seguida, ele calcula um relatório sobre o valor total bloqueado e contagens de validadores para todos os validadores do Lido. Esses dados, juntamente com informações adicionais necessárias, são passados para o produtor de prova e executados em circuitos especializados para gerar uma prova de ZK. O oráculo recupera a prova e envia tanto a prova quanto seu relatório para o contrato inteligente para verificação. Note que esses designs de oráculo ainda estão na fase de testes e estão sujeitos a alterações.

No entanto, vale ressaltar que sempre haverá algum tipo de dados que podem não ser comprováveis no lado EL devido à natureza limitada do que é enviado via 4788 e que os oráculos ainda podem ser necessários para esse subconjunto de dados.

Além disso, os oráculos de prova de conhecimento zero (ZK-proof) com minimização de confiança ainda estão em sua infância. A abordagem proposta pelos colaboradores da Lido é usar as informações fornecidas pelos oráculos ZK como uma 'verificação de sanidade' contra o trabalho feito pelos oráculos confiáveis, até que essas implementações ZK possam ser testadas em batalha. Seria muito arriscado transferir toda a confiança que está atualmente no sistema de oráculos para sistemas ZK neste estágio.

Além disso, as provas para dados desse tamanho são muito pesadas computacionalmente (por exemplo, podem levar até 30-45 minutos) e muito caras, portanto, não são uma substituição adequada no atual estágio de maturidade da tecnologia para coisas como relatórios diários ou mesmo intra-dia.

Análise de Risco e Desempenho do Validador

Validadores desempenham um papel crucial no ecossistema de staking. Eles travam 32 ETH na cadeia de beacons e fornecem serviços de validação. Se eles se comportarem adequadamente, eles recebem recompensas. No entanto, se agirem mal, enfrentarão penalidades. Os validadores são executados por Operadores de Nós que têm diferentes perfis de risco. Eles podem ser selecionados (por exemplo, Conjunto de Validadores Selecionados da Lido), vinculados (por exemplo, Rocket pool, Lido'sCSM) ou validadores individuais. Eles podem optar por executar seus serviços em centros de dados na nuvem ou em casa, em regiões que são amigáveis ou não à regulação de criptomoedas. Além disso, os validadores podem utilizar a tecnologia DVT para dividir nós internos ou se unir em clusters para uma tolerância a falhas aprimorada. À medida que Eigenlayer e vários AVS (Actively Validated Services) surgem, os validadores poderiam potencialmente oferecer serviços adicionais além da validação para Ethereum. Sem dúvida, o perfil de risco dos validadores será complexo, tornando essencial avaliar com precisão seus perfis de risco. Com uma boa análise de risco e desempenho de validadores, abre-se a porta para possibilidades infinitas, incluindo:

Em primeiro lugar, a avaliação de riscos desempenha um papel crucial na definição de um conjunto de validadores sem permissão. No contexto do Lido, a introdução do Roteador de Staking e do futuro EIP-7002 “Saídas acionáveis da camada de execução” poderia pavimentar o caminho para a possibilidade de ingresso e saída sem permissão de validadores. Os critérios para ingresso ou saída podem ser determinados com base no perfil de risco e na análise de desempenho derivada das atividades de validação passadas de um validador.

Em segundo lugar, a seleção de nós em DVT. Para um apostador solitário, pode ser benéfico escolher outros nós para criar um cluster DVT. Isso pode ajudar a alcançar tolerância a falhas e aumentar os rendimentos. A seleção de nós pode ser baseada em várias análises. Além disso, a formação do cluster pode ser sem permissão, permitindo que nós com um histórico de desempenho forte se juntem, enquanto nós com desempenho inferior podem ser removidos.

Terceiro, restaking. Os Protocolos de Restaking Líquido permitem que os restakers participem do mercado de restaking da Eigenlayer. Esses protocolos não apenas produzem recibos líquidos chamados Tokens de Restaking Líquido (LRT), mas também visam garantir os melhores retornos ajustados ao risco para os restakers. Por exemplo, um dosRenzo’sAs estratégias envolvem a construção da carteira AVS com o maior Índice de Sharpe, enquanto adere a uma perda máxima alvo especificada, ajustando a tolerância ao risco e os pesos por meio do DAO. À medida que mais projetos AVS são lançados, a importância da otimização do suporte para AVS específicos e a seleção dos operadores AVS mais adequados se torna cada vez mais crucial.

Até agora, enfatizamos a importância da análise de risco e desempenho do validador, bem como a ampla gama de casos de uso que ela possibilita. No entanto, a questão permanece: Como avaliamos com precisão o perfil de risco dos validadores? Uma solução potencial está sendo desenvolvida por Protocolo Ion.

O Protocolo Ion é uma plataforma de empréstimos que utiliza dados comprováveis de validadores. Ele permite que os usuários peguem empréstimos de ETH contra suas posições depositadas e recompostas. Os parâmetros do empréstimo, incluindo taxas de juros, LTVs e saúde da posição, são determinados por dados da camada de consenso e protegidos com sistemas de dados ZK.

Ion está colaborando com a equipe da Succinct em Precisão—um framework sem confiança para verificar o estado econômico dos validadores na camada de consenso do Ethereum. Isso tem como objetivo criar um sistema verificável que avalia com precisão o valor dos ativos de garantia, mitigando quaisquer riscos de manipulação ou corte. Uma vez estabelecido, este sistema poderia facilitar os processos de originação de empréstimos e liquidação.

Ion também está colaborando com Modulus Labs, aproveitando o ZKML para análise e parametrização confiáveis dos mercados de empréstimos, incluindo taxas de juros, LTVs e outros detalhes de mercado para minimizar a exposição ao risco em caso de incidentes de corte aberrantes.

Conclusão

DeFi é verdadeiramente notável, pois revoluciona a maneira como as atividades financeiras são conduzidas, eliminando a necessidade de intermediários e reduzindo os riscos das contrapartes. No entanto, DeFi atualmente deixa a desejar ao oferecer uma ótima experiência ao usuário. A notícia emocionante é que isso está prestes a mudar com a introdução de coprocessadores que capacitarão os protocolos DeFi a oferecer recursos orientados por dados, aprimorar a UX e refinar a gestão de riscos. Além disso, à medida que a infraestrutura de IA descentralizada avança, progredimos em direção a um futuro de DeFi Inteligente.

Aviso Legal:

1. Este artigo é reproduzido a partir de [espelho], Todos os direitos autorais pertencem ao autor original [lukewasm.eth]. Se houver objeções a esta reimpressão, por favor entre em contato com oGate Learnequipe, e eles lidarão com isso prontamente.
2. Aviso de responsabilidade: As opiniões expressas neste artigo são exclusivamente do autor e não constituem qualquer conselho de investimento.
3. As traduções do artigo para outros idiomas são feitas pela equipe Gate Learn. A menos que mencionado, copiar, distribuir ou plagiar os artigos traduzidos é proibido.