Pengantar

Aplikasi terdesentralisasi hari ini menghadapi batasan dalam melakukan komputasi on-chain kompleks karena kemampuan pemrosesan blockchain yang terbatas. Namun, dengan perkembangan teknologi seperti koprocesor blockchain yang cepat, bersama dengan teori permainan dan desain mekanisme, gelombang baru kasus penggunaan muncul untuk sangat meningkatkan pengalaman pengguna.

Artikel ini mengeksplorasi ruang desain koprocesor, dengan fokus pada kasus penggunaan potensial yang mereka dukung.

Poin penting:

• Komputasi blockchain mahal dan terbatas; salah satu solusinya adalah memindahkan komputasi di luar rantai dan memverifikasi hasilnya di rantai melalui koprosesor, memungkinkan logika dapp yang lebih kompleks.
• Coprocessors dapat dikategorikan menjadi trustless (ZK), trust-minimized (MPC/TEE), optimis, dan berdasarkan kriptoekonomi berdasarkan asumsi keamanan mereka. Solusi-solusi ini juga dapat digabungkan untuk mencapai tradeoff keamanan vs efisiensi yang diinginkan.
• Berbagai jenis koprosesor cocok untuk tugas-tugas berbeda dalam DeFi. Kasus penggunaan potensial mencakup DEX (AMM & orderbook), pasar uang, staking, restaking, dll.
• Dengan munculnya AI terdesentralisasi, bersama dengan coprocessors, kita memasuki era baru "Intelligent DeFi”.

Peran Coprocessor

Blockchain umumnya dipandang sebagai mesin virtual CPU tujuan umum (VM) yang mungkin tidak ideal untuk perhitungan berat. Tugas yang melibatkan analisis berbasis data dan perhitungan intensif seringkali memerlukan solusi off-chain. Misalnya, pertukaran orderbook seperti dydx v3 menggunakan pencocokan off-chain dan mesin risiko yang berjalan di server terpusat, dengan hanya penyelesaian dana yang terjadi secara on-chain.

Dalam komputasi, koprosesor diperkenalkan untuk membantu prosesor dalam melakukan tugas-tugas tertentu, seperti yang ditunjukkan oleh awalan 'co-'. Misalnya, GPU berfungsi sebagai koprosesor untuk CPU. Mereka unggul dalam menangani komputasi paralel yang diperlukan untuk tugas-tugas seperti rendering 3D dan pembelajaran mendalam. Pengaturan ini memungkinkan CPU utama untuk berkonsentrasi pada pemrosesan tujuan umum. Model koprosesor telah memberdayakan komputer untuk menangani beban kerja yang lebih kompleks yang tidak akan layak dengan CPU tunggal serba guna.

Dengan memanfaatkan koprosesor dan mengakses data on-chain, aplikasi blockchain secara potensial dapat memberikan fitur-fitur canggih dan membuat keputusan yang terinformasi. Hal ini menciptakan peluang untuk melakukan perhitungan tambahan, memungkinkan kinerja tugas-tugas yang lebih kompleks, dan memungkinkan aplikasi menjadi lebih 'cerdas'.

Berbagai Jenis Coprocessor

Berdasarkan asumsi kepercayaan, koprosesor dapat diklasifikasikan menjadi tiga jenis yang berbeda - Zero-Knowledge (ZK), Optimis, dan Cryptoeconomic.

Coprosesor ZK, jika diimplementasikan dengan benar, secara teoritis tidak memerlukan kepercayaan. Mereka melakukan komputasi di luar rantai dan mengirimkan bukti di rantai untuk diverifikasi. Meskipun mereka memberikan kecepatan, ada kompromi dalam hal biaya bukti. Seiring dengan kemajuan perangkat keras kustom dan perkembangan kriptografi, biaya akhir yang diteruskan kepada konsumen akhir bisa potensialnya dikurangi menjadi tingkat yang lebih dapat diterima.

AxiomdanRISC NolBonsai adalah contoh coprocessors ZK. Mereka memungkinkan perhitungan sembarangan dengan akses ke status on-chain dijalankan off-chain dan memberikan bukti bahwa perhitungan telah dilakukan.

Untuk memberikan pemahaman yang lebih jelas tentang bagaimana koprosesor ZK khas beroperasi, mari kita periksa alur kerja RISC Zero Bonsai.

Aplikasi mengirimkan permintaan pemrosesan bersama ke Bonsai Relay, yang kemudian meneruskan permintaan bukti ke layanan pembuktian Bonsai. RISC Zero zkVM menjalankan program dan menghasilkan bukti untuk memvalidasi eksekusi kode yang benar, yang dapat diverifikasi oleh siapa pun. Selanjutnya, Bonsai Relay mempublikasikan bukti tersebut on-chain, dan aplikasi menerima hasil melalui fungsi panggilan kembali.

Bonsai di Ethereum

Sementara ZK coprocessor adalah satu metode untuk mencapai komputasi di luar rantai yang dapat diverifikasi, alternatif seperti MPC dan TEEs menawarkan pendekatan yang berbeda. MPC memungkinkan komputasi kolaboratif pada data sensitif, sementara TEEs menyediakan enklaf berbasis perangkat keras yang aman. Setiap pilihan datang dengan serangkaian kompromi antara keamanan dan efisiensi masing-masing. Dalam artikel ini, kita akan fokus pada ZK coprocessors.

Coprocessor yang optimis menawarkan solusi yang hemat biaya, tetapi mengalami masalah laten yang signifikan (biasanya berminggu-minggu). Mereka memerlukan pihak yang jujur ​​untuk secara efektif menantang mereka dengan bukti kecurangan dalam jendela yang menantang. Oleh karena itu, waktu untuk jaminan keamanan tertunda.

Koprosesor ekonomi kripto adalah koprosesor optimis dengan ikatan ekonomi yang cukup besar pada eksekusi dan sistem asuransi on-chain yang memungkinkan orang lain untuk mendapatkan kompensasi atas perhitungan yang salah. Obligasi ekonomi dan asuransi ini dapat dibeli melalui penyedia keamanan bersama seperti Eigenlayer. Keuntungannya adalah penyelesaian instan, tetapi kelemahannya adalah biaya untuk memperoleh asuransi.

Karakteristik Berbagai Jenis Ko-prosesor

*Ada waktu generasi bukti kurang dari satu detik di luar sana (mengakui untuk bukti kecil, dioptimalkan) dan mereka sedang memperbaiki dengan cepat.

Berbagai jenis koprocesor menunjukkan karakteristik biaya, latensi, dan keamanan yang berbeda. Menggabungkan berbagai jenis koprocesor dapat menghasilkan pengalaman pengguna yang dioptimalkan. Contoh yang menonjol adalah Brevis. Awalnya diluncurkan dengan sebuah zk-coprocessor, Brevis kini telah mengungkapkan Brevis coChainInovasi ini menggabungkan kripto-ekonomi dan ZKP dalam sebuah koprosesor ZK, yang menghasilkan biaya yang lebih rendah, latency yang diminimalkan, dan pengalaman pengguna yang ditingkatkan.

Koprocesor ZK murni, dalam keadaannya saat ini, masih menimbulkan tantangan seperti biaya generasi bukti tinggi dan masalah skalabilitas. Hal ini karena bukti ZK untuk akses data dan hasil komputasi selalu dihasilkan di muka. Dengan memanfaatkan infrastruktur restaking Eigenlayer, Brevis coChain memungkinkan dapps untuk menyesuaikan tingkat keamanan kripto-ekonomi yang mereka inginkan, memberi mereka fleksibilitas yang lebih besar untuk meningkatkan pengalaman pengguna. Berikut adalah penjelasan sederhana tentang bagaimana ini beroperasi.

Brevis coChain akan pertama-tama 'dengan optimis' menghasilkan hasil untuk permintaan pemrosesan bersama berdasarkan konsensus PoS. Kemudian, dua jendela tantangan dimulai, satu adalah aplikasi-spesifik dan dapat dikonfigurasi oleh pengembang, dan yang lainnya adalah jendela pemotongan coChain global yang lebih lama.

Alur Kerja CoChain Brevis

Selama jendela tantangan aplikasi, para pengamat dapat mengirimkan ZKP yang bertentangan dengan hasil koproces. Tantangan yang berhasil akan mengurangi proposer dan memberikan hadiah kepada challenger. Usulan yang gagal akan mengakibatkan jaminan challenger hangus.

Jika tidak ada tantangan, aplikasi akan menganggap hasilnya valid. Jendela pemotongan coChain global ada untuk keamanan yang ditingkatkan. Bahkan jika sebuah aplikasi menerima hasil yang salah, selama jendela pemotongan coChain terbuka, validator jahat dapat dipotong dan hasil yang tidak benar dapat diperbaiki.

Karena berbagai jenis koprosesor menunjukkan karakteristik biaya, latensi, dan keamanan yang berbeda, aplikasi harus menilai kebutuhan mereka untuk menentukan jenis koprosesor yang mereka butuhkan. Jika perhitungan melibatkan tugas-tugas keamanan tinggi, seperti menghitung saldo validator pada rantai Beacon dalam staking likuid di mana miliaran dolar dipertaruhkan, koprosesor ZK adalah pilihan yang paling tepat. Mereka menyediakan keamanan maksimum karena hasilnya dapat diverifikasi tanpa kepercayaan. Selain itu, latensi bukanlah kekhawatiran dalam skenario tersebut, memungkinkan pembuatan bukti dalam kerangka waktu yang dapat diterima.

Untuk tugas-tugas yang kurang sensitif terhadap latensi dan tidak melibatkan nilai finansial yang signifikan, seperti memamerkan metrik pencapaian on-chain di profil sosial Anda, sebuah koprosesor optimis yang menawarkan perhitungan off-chain terendah mungkin lebih disukai.

Untuk tugas-tugas lain, koprocesor kriptoekonomi membuktikan lebih hemat biaya ketika asuransi yang dibeli mencakup nilai yang berisiko. Analisis biaya asuransi seharusnya dilakukan secara kasus per kasus, sangat dipengaruhi oleh nilai yang difasilitasi oleh aplikasi. Tugas-tugas ini sering melibatkan analitika yang beragam dan pemodelan risiko.

Cara lain untuk mengkategorikan koprosesor adalah berdasarkan jenis komputasi, dengan contoh seperti:

• RiscZero, Ringkasdan=nil; untuk perhitungan umum,
• RitualdanModulusuntuk kecerdasan buatan,
• Waktu dan Ruanguntuk operasi database,
• MegaETHuntuk perhitungan EVM, dan lainnya.

Penggunaan koprosesor di DeFi adalah area baru yang memiliki potensi besar. Berikut ini, saya akan menguraikan ide dan implementasi yang ada tentang bagaimana koprosesor dapat digunakan di berbagai sektor dalam DeFi termasuk DEX, pasar uang, staking, restaking, dll.

DEX

Ada beberapa pemangku kepentingan yang terlibat dalam DEX. Ini termasuk para pedagang, penyedia likuiditas, pembuat pasar, manajer likuiditas, penyelesaian/isian, dan lainnya. Coprocessors memiliki potensi untuk secara efisien menyederhanakan tugas-tugas kompleks dengan berbagai tingkat asumsi kepercayaan, yang pada akhirnya akan meningkatkan pengalaman bagi para pemangku kepentingan tersebut.

Pengurangan Biaya

Dalam AMM dasar, salah satu fungsi penting adalah menghitung parameter yang diperlukan ketika pengguna memulai pertukaran. Parameter-parameter ini termasuk jumlah yang akan ditukar masuk dan keluar, biaya, dan harga setelah pertukaran. Salah satu contoh penggunaan yang langsung untuk memanfaatkan kekuatan komputasi dari zk-coprocessors sambil tetap menjamin kepercayaan adalah melakukan sebagian fungsi pertukaran di luar rantai, dan kemudian menyelesaikan langkah-langkah yang tersisa di dalam rantai. zkAMM adalah varian Automated Market Makers (AMMs) yang mengintegrasikan bukti pengetahuan nol dalam protokol. Diego (@0xfuturistic) memperkenalkan implementasi zkAMM (zkUniswap) berdasarkan Uniswap v3 di mana sebagian perhitungan swap AMM di offload ke Risc Zero zkVM. Pengguna memulai swap dengan membuat permintaan on-chain, input swap diambil oleh relayer, dan perhitungan dilakukan di luar jaringan. Kemudian relayer memposting output dan bukti. AMM memverifikasi bukti dan menyelesaikan swap.

Sementara biaya komputasi masih sebanding dengan EVM pada tahap saat ini, adalah mungkin untuk mencapai efisiensi yang lebih tinggi dengan memparallelkan komputasi swap dengan jalur-jalur independen berkat fitur lanjutan RiscZero. Pada dasarnya, pelaksanaan swap dapat dilakukan secara berurutan on-chain, tetapi langkah-langkah swap sesungguhnya dapat dihitung secara paralel off-chain menggunakan pendekatan ini. Hal ini memungkinkan paralelisasi bagian paling berat untuk batch, yang tidak mungkin secara alami dalam EVM. Biaya verifikasi juga dapat diamortisasi dengan menggabungkan beberapa transaksi bersama-sama.

Pengguna juga memiliki opsi untuk menggunakan lapisan ketersediaan data alternatif untuk mengirim permintaan swap. Pendekatan lain adalah dengan memanfaatkan tanda tangan EIP712 untuk penyebaran di luar rantai, yang dapat lebih mengurangi biaya swap.

Parameter Dinamis

Coprocessors juga dapat digunakan untuk mengontrol secara dinamis biaya swap untuk kolam AMM. Konsep biaya dinamis adalah meningkatkan tingkat biaya selama periode volatilitas pasar dan menguranginya selama kondisi pasar yang lebih tenang. Ini berfungsi sebagai manfaat bagi penyedia likuiditas pasif, karena mereka secara konsisten mengambil sisi yang tidak menguntungkan dari perdagangan dan mengalami kebocoran nilai melalui Loss-versus-rebalance (LVR). Implementasi biaya dinamis bertujuan untuk mengatasi masalah ini dengan memadai mengkompensasi LP.

Beberapa AMM sudah memiliki fitur ini. Misalnya, Ambientmenggunakan orakel eksternal yang memantau dan mengambil snapshot dari berbagai fee tier kolam Uniswap v3 setiap 60 menit untuk memilih yang paling baik dalam kinerjanya.

Untuk memberikan wawasan tambahan dalam menyesuaikan tingkat biaya, data tambahan dapat dimanfaatkan, baik on-chain maupun off-chain. Ini termasuk perdagangan historis yang dilakukan on-chain untuk kolam AMM tertentu ini atau untuk pasangan yang sama di berbagai kolam likuiditas (seperti solusi Ambient) atau bahkan kolam di jaringan yang berbeda. Jika asumsi kepercayaan tertentu diperbolehkan, data off-chain (mis. data perdagangan CEX) dari oracle terkemuka seperti Chainlink atau Pyth, juga dapat diperkenalkan.

Keputusan tentang jenis-jenis koprosesor yang akan digunakan dipengaruhi oleh seberapa sering biaya disesuaikan. Dalam kasus di mana sebuah kolam membutuhkan perubahan biaya dinamis yang sangat sering, koprosesor kriptoekonomi mungkin lebih cocok. Hal ini karena biaya pembuktian kemungkinan besar akan melebihi biaya asuransi, yang dapat diestimasi sebagai perbedaan dalam tingkat biaya dikali dengan volume rata-rata. Dalam hal terjadi perhitungan yang salah, LP dapat dengan mudah mengklaim asuransi mereka yang difasilitasi oleh Eigenlayer untuk mengganti kerugian biaya mereka.

Di sisi lain, ada kolam renang yang lebih memilih perubahan tingkat biaya yang kurang sering. Namun, kolam renang ini menangani volume yang sangat besar, yang dapat meningkatkan biaya pembelian asuransi. Dalam kasus seperti itu, koprocesor ZK lebih cocok karena mereka memberikan jaminan terkuat.

Active Liquidity Manager (ALM)

Penyediaan likuiditas pasif dapat menjadi pilihan menarik bagi pengguna yang kurang berpengalaman yang ingin mendapatkan biaya dari likuiditas tidak aktif mereka tanpa terlalu khawatir tentang deviasi harga. Namun, beberapa penyedia likuiditas (LP) lebih rentan terhadap kerugian yang disebabkan oleh deviasi harga dan arbitrase statistik. Sebelumnya, kami membahas bagaimana menyesuaikan biaya secara dinamis dapat mengurangi masalah ini. Tetapi mengapa tidak melangkah lebih jauh dan sepenuhnya mengubah bentuk kurva likuiditas? Ini adalah pendekatan yang lebih canggih dalam pengelolaan likuiditas yang dikenal sebagai Manajer Likuiditas Aktif (ALMs).

Sayangnya, mayoritas ALM yang ada hanya menyediakan strategi dasar seperti rebalancing, yang memiliki dampak terbatas pada pengumpulan biaya. Di sisi lain, teknik yang sedikit lebih canggih seperti lindung nilai menggunakan pasar uang atau derivatif tersedia. Namun, mereka entah menimbulkan biaya tinggi saat sering dieksekusi on-chain atau bergantung pada komputasi blackbox terpusat off-chain.

Coprocessors memiliki potensi untuk menangani masalah biaya dan kepercayaan, memungkinkan adopsi strategi canggih. Dengan mengintegrasikan solusi pembelajaran mesin zero-knowledge (ZKML) mutakhir seperti Modulus Labsdan platform AI terdesentralisasi seperti Ritual, manajer likuiditas dapat memanfaatkan strategi kompleks berdasarkan data perdagangan historis, korelasi harga, volatilitas, momentum, dan lainnya sambil menikmati keuntungan privasi dan kepercayaan.

Strategi perdagangan frekuensi tinggi memerlukan waktu yang tepat dan eksekusi yang cepat. Meskipun solusi ZK tidak selalu memenuhi kecepatan yang diperlukan, koprocesor kriptoekonomi unggul dalam hal ini. Koprocesor ini memungkinkan algoritma kecerdasan buatan dieksekusi dengan cepat, dengan parameter diperbarui sesering yang memungkinkan waktu blok. Namun, menggunakan pendekatan ini datang dengan biaya asuransi. Memperkirakan biaya ini dengan tepat bisa menantang karena risiko potensial seperti manajer yang salah mengelola dana atau terlibat dalam perdagangan melawan. Proses pengambilan keputusan melibatkan menyeimbangkan pengembalian tambahan terhadap biaya asuransi, yang pada akhirnya tergantung pada volume total yang terjadi dalam jangka waktu yang diukur oleh koprocesor. Memperluas proses ini juga mungkin sulit berdasarkan modal yang tersedia untuk diakses dalam satu AVS tunggal dan kemampuan untuk memprediksi nilai risiko kapan pun.

Distribusi Hadiah Berbasis Metrik

Sementara setiap transaksi dicatat di blockchain, kontrak pintar menghadapi tantangan dalam menentukan metrik yang mewakili transaksi tersebut, seperti volume transaksi, jumlah interaksi, TVL per unit waktu, dll. Seseorang mungkin menyarankan menggunakan solusi indeksing seperti Dune Analytics, yang memberikan informasi berharga. Namun, bergantung pada indeksing off-chain memperkenalkan lapisan kepercayaan tambahan. Di situlah coprocessors muncul sebagai solusi yang menjanjikan.

Salah satu metrik on-chain yang sangat berharga adalah volume. Misalnya, volume yang terakumulasi dalam sebuah pool AMM tertentu yang terkait dengan alamat tertentu dalam blok-blok tertentu. Metrik ini sangat bermanfaat bagi DEX. Salah satu contohnya adalah memungkinkan penyesuaian tier biaya yang berbeda untuk pengguna berdasarkan volume perdagangan mereka. Pendekatan ini mirip dengan biaya dinamis, tetapi daripada bergantung pada data umum, ia melihat data yang spesifik pada alamat.

Brevismenyediakan contoh menarik di mana bukti volume bisa digabungkan dengan pengembalian biaya khusus Uniswap hooks untuk menawarkan pengembalian biaya berbasis volume yang mirip dengan pedagang VIP di CEXes.

Secara khusus, Uniswap v4 dapat membaca transaksi historis pengguna dalam 30 hari terakhir, mengurai setiap acara perdagangan dengan logika yang disesuaikan, dan menghitung volume perdagangan dengan Brevis. Volume perdagangan dan Bukti ZK yang dihasilkan oleh Brevis kemudian diverifikasi secara tidak dapat dipercaya dalam kontrak pintar Uniswap v4 Hook, yang menentukan dan mencatat tier biaya VIP pengguna secara asinkron. Setelah verifikasi bukti, perdagangan masa depan pengguna yang memenuhi syarat akan memicu fungsi getFee() untuk hanya mencari catatan VIP dan mengurangi biaya perdagangan untuk mereka sesuai.

Biaya untuk mendapatkan sertifikasi sebagai “VIP” juga murah (sekitar $2.5 berdasarkan hasil kinerjanya). Biaya dapat lebih ditekan dengan menggabungkan beberapa pengguna menggunakan solusi seperti NEBRA. Satu-satunya keterlambatan adalah latensi, karena dibutuhkan sekitar 400 detik untuk mengakses dan menghitung 2600 transaksi Uniswap on-chain. Namun, hal ini kurang mengkhawatirkan untuk fitur-fitur yang tidak bersifat waktu.

Untuk mengatasi kekhawatiran keterlambatan, dapps bisa memanfaatkan coChain dari Brevis. Hasil dihitung dan disampaikan dengan cepat melalui mekanisme konsensus PoS untuk meminimalkan keterlambatan. Dalam kasus aktivitas jahat, ZKP dapat digunakan selama jendela tantangan untuk menghukum validator nakal.

Sebagai contoh, dalam skenario biaya VIP yang disebutkan sebelumnya, jika lebih dari ⅔ validator coChain dengan curang menetapkan tingkat VIP yang lebih tinggi kepada pengguna tertentu dalam 'tabel pencarian tingkat VIP' yang terhubung ke hook biaya dinamis, beberapa pengguna mungkin awalnya menerima diskon biaya yang lebih besar. Namun, ketika bukti ZK disajikan selama jendela pemotongan, menunjukkan bahwa tingkat VIP tidak benar, validator jahat akan menghadapi hukuman. Tingkat VIP yang salah kemudian dapat diperbaiki dengan mengaktifkan panggilan tantangan untuk memperbarui tabel pencarian tingkat VIP. Untuk skenario yang lebih hati-hati, pengembang dapat memilih untuk menerapkan jendela tantangan tingkat aplikasi yang diperpanjang, memberikan lapisan keamanan dan adaptabilitas tambahan.

Penambangan Likuiditas

Liquidity mining adalah bentuk distribusi imbalan yang dimaksudkan untuk memulai likuiditas. DEX bisa mendapatkan pemahaman yang lebih dalam tentang perilaku Penyedia Likuiditas mereka melalui koprosesor dan mendistribusikan imbalan penambangan likuiditas atau insentif dengan tepat. Penting untuk diakui bahwa tidak semua LP sama; beberapa bertindak sebagai tentara bayaran sementara yang lain tetap setia sebagai pengikut jangka panjang.

Insentif likuiditas optimal harus mengevaluasi secara retrospektif dedikasi LPs, terutama selama fluktuasi pasar yang signifikan. Mereka yang secara konsisten memberikan dukungan kepada kolam selama periode tersebut harus menerima imbalan tertinggi.

Sistem Reputasi Solver/Filler

Di masa depan yang berfokus pada niat pengguna, penyelesaian/pengisi memainkan peran penting dengan menyederhanakan transaksi kompleks dan mencapai hasil yang lebih cepat, lebih murah, atau lebih baik. Namun, ada kritik yang terus-menerus mengenai proses pemilihan penyelesaian. Solusi saat ini termasuk:

• Sebuah sistem tanpa izin yang menggunakan lelang Belanda atau peningkatan biaya. Namun, pendekatan ini menghadapi tantangan dalam memastikan lingkungan lelang yang kompetitif dan tanpa izin, yang berpotensi menyebabkan masalah keterlambatan atau bahkan tidak dieksekusi bagi pengguna.
• Sistem tanpa izin memerlukan staking token untuk partisipasi, yang menciptakan hambatan finansial untuk masuk dan mungkin kurang memiliki kondisi perampasan/denda yang jelas, atau penegakan yang transparan dan tanpa kepercayaan.
• Sebagai alternatif, daftar putih solver dapat dibuat berdasarkan reputasi dan hubungan.

Jalur ke depan seharusnya bersifat tanpa izin dan tanpa kepercayaan. Namun, untuk mencapai hal ini, perlu untuk menetapkan pedoman untuk membedakan antara solver yang hebat dan yang tidak begitu hebat. Dengan menggunakan ZK coprocessors, bukti-bukti yang dapat diverifikasi dapat dihasilkan untuk menentukan apakah solver tertentu memenuhi atau gagal memenuhi pedoman ini. Berdasarkan informasi ini, solver dapat dikenakan aliran urutan prioritas, pengurangan, penangguhan, atau bahkan daftar hitam. Idealnya, solver yang lebih baik akan menerima aliran urutan lebih banyak sementara solver yang lebih buruk akan menerima lebih sedikit. Penting untuk secara berkala meninjau dan memperbarui peringkat ini untuk mencegah pengokohan dan mempromosikan persaingan, memberikan kesempatan yang sama kepada para pendatang untuk berpartisipasi.

Oracle Harga Tahan Manipulasi

Uniswap telah memperkenalkan oracle tertanam dalam versi v2 dan v3-nya. Dengan dirilisnya v4, Uniswap telah memperluas kemungkinan bagi pengembang dengan memperkenalkan opsi oracle yang lebih canggih. Namun, masih ada batasan dan kendala dalam hal oracle harga on-chain.

Pertama-tama, ada pertimbangan biaya. Jika sebuah koprocesor komputasi orakel harga bisa menawarkan peningkatan biaya, itu bisa menjadi alternatif yang lebih terjangkau. Semakin kompleks desain orakel harga, semakin besar potensi penghematan biaya.

Kedua, kolam oracle harga on-chain masih rentan terhadap manipulasi. Untuk mengatasi hal ini, merupakan praktik umum untuk menggabungkan harga dari berbagai sumber dan melakukan perhitungan untuk menciptakan oracle harga yang lebih tahan terhadap manipulasi. Coprocessors memiliki kemampuan untuk mengambil data transaksi historis dari berbagai kolam, bahkan di berbagai protokol yang berbeda, memungkinkan pembentukan oracle harga yang tahan manipulasi dengan biaya yang kompetitif untuk integrasi dengan protokol DeFi lainnya.

Data DIAsedang mengerjakan orakel berbasis ZK dengan O(1) Labsdari Ekosistem Mina. Pendekatannya mirip - mengambil data pasar dan melakukan perhitungan yang lebih canggih off-chain, bebas biaya gas dan kendala eksekusi lainnya, tetapi dengan kemampuan untuk memverifikasi integritas perhitungan karena hasilnya disajikan on-chain. Hal ini dapat memungkinkan untuk melengkapi umpan harga sederhana dengan data pasar lain seperti kedalaman, untuk membantu menilai dampak likuidasi, serta metadata untuk memungkinkan protokol menyesuaikan umpan mereka.

Sistem Marjin

Untuk mengatasi keterbatasan komputasi teknologi blockchain, banyak platform derivatif seringkali memindahkan komponen-komponen tertentu, seperti sistem manajemen risiko, ke luar rantai.

@0x_emperordan@0xkranemengusulkan kasus penggunaan menarik dari koprocesor di mana logika margin transparan dan diverifikasi. Di banyak bursa, sistem manajemen risiko ada untuk mencegah leverage berlebihan. Salah satu contohnya adalah Sistem Deleveraging Otomatis (ADL), yang secara strategis mengalokasikan kerugian ke pedagang yang menguntungkan untuk menutupi kerugian yang dialami oleh pedagang yang likuidasi. Pada dasarnya, ini mendistribusikan ulang kerugian di antara pedagang yang menguntungkan untuk menutupi utang yang tidak dibayar yang disebabkan oleh likuidasi tersebut.

Pengguna mungkin memiliki pertanyaan mengenai penutupan paksa posisi mereka. Untuk mengatasi hal ini, bursa dapat memanfaatkan koprosesor untuk menjalankan logika mesin margin menggunakan data on-chain dan menghasilkan bukti untuk memverifikasi perhitungan yang benar. Karena kejadian ADL jarang terjadi, kekhawatiran tentang laten dan biaya pembuktian minimal. Namun, penggunaan koprosesor Zk yang tanpa kepercayaan dan dapat diverifikasi meningkatkan transparansi dan integritas, yang bermanfaat bagi bursa dan penggunanya.

Pasar Uang

Dengan memanfaatkan wawasan dari data on-chain historis, coprocessors memiliki potensi untuk meningkatkan manajemen risiko bagi LP dan protokol peminjaman. Selain itu, protokol dapat menawarkan pengalaman pengguna yang lebih baik berdasarkan analitik data-driven.

Ketika Curve mengalami eksploitasi beberapa bulan yang lalu, perhatian beralih ke pasar uang dengan jutaan token CRV berisiko likuidasi. Pemberi pinjaman Frax menemukan sedikit ketenangan dalam peningkatan suku bunga agresif protokol ketika rasio pinjaman-ke-nilai (LTV) menjadi tidak sehat. Hal ini mendorong pendiri Curve untuk melunasi utang lebih cepat. Namun, pemegang kepentingan AAVE menyatakan keprihatinan dan memulai diskusi tentang pengurangan kapasitas jaminan dan kemungkinan menghentikan pasar. Ketakutan mereka berakar pada kemungkinan likuiditas yang tidak mencukupi untuk likuidasi yang sukses, yang dapat mengakibatkan utang buruk dan rentan terhadap kondisi pasar.

Untungnya, krisis telah terselesaikan. Penting untuk secara teratur meninjau aset yang terdaftar di pasar uang, dengan fokus khusus pada likuiditas mereka di pasar, terutama selama kejadian likuidasi. Aset tidak likuid sebaiknya diberikan rasio pinjaman terhadap nilai (LTV) yang lebih rendah dan kapasitas jaminan.

Namun, proses pengambilan keputusan untuk perubahan parameter risiko di pasar uang seringkali bersifat reaktif, seperti yang kita amati dalam situasi CRV. Kami memerlukan langkah-langkah yang lebih cepat dan proaktif, termasuk solusi tanpa kepercayaan. Telah ada diskusi mengenai penggunaan Kontrol Umpan Balikuntuk menyesuaikan parameter secara dinamis berdasarkan metrik on-chain, seperti pemanfaatan likuiditas, daripada mengandalkan kurva yang telah ditentukan sebelumnya. Salah satu konsep menarik melibatkan kolam pinjaman yang memverifikasi bukti likuiditas on-chain untuk pasar tertentu. Pengontrol menerima bukti yang dihitung dari metrik on-chain oleh coprocessors ZK, menunjukkan kapan aset tidak lagi cukup likuid di luar ambang batas tertentu. Berdasarkan informasi ini, pengontrol dapat mengambil berbagai langkah, seperti menyesuaikan tingkat bunga, menetapkan batas LTV, menangguhkan pasar, atau bahkan menghentikannya sama sekali.

Strategi yang lebih canggih dapat mencakup penyesuaian secara berkala terhadap kapasitas pinjaman jaminan atau kurva tingkat bunga berdasarkan likuiditas on-chain minggu sebelumnya. Ambang batas yang tepat akan ditentukan melalui diskusi di dalam DAO. Ini dapat ditentukan dengan mempertimbangkan faktor-faktor seperti volume on-chain historis, cadangan token, slippage minimum untuk pertukaran sekaligus, dan sebagainya.

Bagi pemberi pinjaman dan peminjam, pasar uang dapat memberikan layanan dan pengalaman yang ditingkatkan, mirip dengan program pengembalian biaya untuk pedagang VIP di DEXs. Ada solusi skor kredit yang ada yang bertujuan untuk membuat profil lengkap pengguna on-chain. Tujuannya adalah untuk memberikan insentif kepada perilaku baik, seperti manajemen risiko yang efektif yang ditunjukkan dengan menghindari kejadian likuidasi, menjaga rasio LTV rata-rata yang sehat, melakukan deposit besar yang stabil, dan lainnya. Hadiah tanpa kepercayaan dapat diberikan untuk perilaku positif ini, termasuk suku bunga yang lebih baik dan lebih lancar dibandingkan dengan pengguna rata-rata, rasio LTV maksimum dan likuidasi yang lebih tinggi, waktu penangguhan untuk likuidasi, biaya likuidasi yang lebih rendah, dan lainnya.

Staking & Restaking

Oracle terdesentralisasi kepercayaan

Sejak Merge dan upgrade Shanghai/Shapella, pasar staking likuid telah menjadi pasar terbesar di DeFi. Terutama, Lido telah mengumpulkan lebih dari $29 miliar TVL, sementara Rocketpool memiliki lebih dari $3.6 miliar TVL.

Dengan jumlah uang yang signifikan terlibat, penting untuk dicatat bahwa oracle yang digunakan untuk melaporkan informasi, seperti saldo akurat validator terkait pada rantai beacon, masih dipercayai. Oracle-oracle ini memainkan peran penting dalam mendistribusikan imbalan kepada staker pada lapisan eksekusi.

Saat ini, Lido menggunakan mekanisme kuorum 5-dari-9 dan menjaga daftar anggota terpercaya untuk melindungi diri dari pelaku jahat. Demikian pula, Rocketpool beroperasi dengan Oracle DAO hanya undangan yang terdiri dari operator node yang dipercayai untuk memperbarui informasi imbalan dalam kontrak pintar pada lapisan eksekusi.

Namun, penting untuk diakui bahwa jika sebagian besar pihak ketiga yang terpercaya dikompromikan, itu bisa secara signifikan merugikan pemegang token staking likuid (LST) dan seluruh ekosistem DeFi yang dibangun di atas LST. Untuk mengurangi risiko laporan oracle yang salah/jahat, Lido telah menetapkanserangkaian pemeriksaan kewarasanyang diimplementasikan dalam kode lapisan eksekusi protokol.

Dengan diperkenalkannya EIP-4788 'akar blok penanda di EVM', menjadi lebih mudah bagi koprosesor untuk mengakses dan menghitung data di lapisan konsensus.=nill; Foundation, Ringkasdan DendrETH semuanya sedang mengembangkan orakel TVL ZK-proof mereka sendiri untuk Lido. Untuk memastikan keamanan maksimum, Lido bisa memanfaatkan arsitektur multi-proof.

Mengambil desain =nil; sebagai contoh, pada tingkat tinggi, oracle memperoleh informasi penting dari lapisan Konsensus dan Eksekusi, seperti Beacon Block Header, Beacon State, alamat kontrak Lido, dll. Kemudian menghitung laporan tentang total nilai terkunci dan jumlah validator untuk semua validator Lido. Data ini, bersama dengan informasi tambahan yang diperlukan, diteruskan ke produsen bukti dan dijalankan pada sirkuit khusus untuk menghasilkan bukti ZK. Oracle mengambil bukti dan mengirimkan baik bukti maupun laporannya ke kontrak cerdas untuk verifikasi. Perhatikan bahwa desain oracle ini masih berada dalam tahap pengujian dan dapat berubah.

Namun, perlu dicatat bahwa akan selalu ada beberapa jenis data yang mungkin tidak dapat dibuktikan di sisi EL karena sifat terbatas dari apa yang dikirim melalui 4788 dan bahwa orakel mungkin masih diperlukan untuk subset data ini.

Selain itu, orakel bukti-ZK yang minimalkan kepercayaan masih dalam tahap awal. Pendekatan yang diusulkan oleh para kontributor Lido adalah menggunakan info yang diberikan oleh orakel ZK sebagai "cek kewarasan" terhadap pekerjaan yang dilakukan oleh orakel terpercaya sampai implementasi ZK ini dapat diuji dalam pertempuran. Akan terlalu berisiko untuk memindahkan semua kepercayaan yang saat ini ada di sistem orakel ke sistem ZK pada tahap ini.

Selain itu, bukti-bukti untuk data sebesar ini sangat berat secara komputasi (misalnya, bisa memakan waktu hingga 30-45 menit) dan sangat mahal, sehingga mereka bukan pengganti yang sesuai pada tingkat kematangan teknologi saat ini untuk hal-hal seperti pelaporan harian atau bahkan intra-harian.

Analisis Risiko dan Kinerja Validator

Validator memainkan peran penting dalam ekosistem staking. Mereka mengunci 32 ETH di beacon chain dan menyediakan layanan validasi. Jika mereka berperilaku dengan benar, mereka menerima imbalan. Namun, jika mereka berperilaku buruk, mereka akan menghadapi pemotongan. Validator dijalankan oleh Operator Node yang memiliki profil risiko yang berbeda. Mereka bisa dikurasi (misalnya, Set Validator Dikurasi Lido), terikat (misalnya, Rocket pool, Lido’s CSMatau staker tunggal. Mereka dapat memilih untuk menjalankan layanan mereka di pusat data cloud atau di rumah, di wilayah yang ramah atau tidak ramah terhadap regulasi kripto. Selain itu, validator dapat memanfaatkan teknologi DVT untuk membagi node internal atau bergabung ke dalam klaster untuk peningkatan toleransi kesalahan. Saat Eigenlayer dan berbagai AVS (Actively Validated Services) muncul, validator pada dasarnya dapat menawarkan layanan tambahan selain validasi untuk Ethereum. Tidak diragukan lagi, profil risiko validator akan kompleks, sehingga penting untuk menilai profil risiko mereka dengan akurat. Dengan analisis risiko validator yang baik dan kinerja, pintu terbuka untuk kemungkinan tak terbatas, termasuk:

Pertama dan terutama, penilaian risiko memainkan peran penting dalam menetapkan kumpulan validator tanpa izin. Dalam konteks Lido, pengenalan Staking Router dan masa depan EIP-7002 “Execution layer triggerable exits” dapat membuka jalan untuk memungkinkan bergabung dan keluar tanpa izin dari validator. Kriteria untuk bergabung atau keluar dapat ditentukan berdasarkan profil risiko dan analitik kinerja yang berasal dari aktivitas validasi masa lalu validator.

Kedua, pemilihan node dalam DVT. Bagi penambang tunggal, mungkin bermanfaat untuk memilih node lain untuk membuat klaster DVT. Ini dapat membantu mencapai toleransi kesalahan dan meningkatkan hasil. Pemilihan node dapat didasarkan pada berbagai analisis. Selain itu, pembentukan klaster dapat dilakukan tanpa izin, memungkinkan node-node dengan kinerja historis yang kuat bergabung sementara node-node yang di bawah standar dapat dihapus.

Ketiga, restaking. Protokol Restaking Likuid memungkinkan restaker untuk berpartisipasi dalam pasar restaking Eigenlayer. Protokol ini tidak hanya menghasilkan tanda terima likuid yang disebut Token Restaking Likuid (LRT) tetapi juga bertujuan untuk mengamankan pengembalian yang disesuaikan dengan risiko terbaik bagi restaker. Misalnya, salah satu dari Renzo’sStrategi melibatkan membangun portofolio AVS dengan rasio Sharpe tertinggi sambil mematuhi kerugian maksimum target yang ditentukan, menyesuaikan toleransi risiko dan bobot melalui DAO. Seiring dengan diluncurkannya lebih banyak proyek AVS, pentingnya mengoptimalkan dukungan untuk AVS tertentu dan memilih operator AVS yang paling sesuai menjadi semakin krusial.

Sejauh ini, kami menekankan pentingnya risiko validator dan analitik kinerja, serta beragam kasus penggunaan yang memungkinkan. Namun, pertanyaannya tetap: Bagaimana kita menilai profil risiko validator secara akurat? Salah satu solusi potensial sedang dikembangkan oleh Protokol Ion.

Ion Protocol adalah platform peminjaman yang menggunakan data validator yang dapat dibuktikan. Ini memungkinkan pengguna meminjam ETH melawan posisi yang dipertaruhkan dan dipertaruhkan kembali. Parameter pinjaman, termasuk tingkat suku bunga, LTV, dan kesehatan posisi, ditentukan oleh data lapisan konsensus dan dijaga dengan sistem data ZK.

Ion sedang berkolaborasi dengan tim Succinct tentang Presisi—sebuah kerangka trustless untuk memverifikasi keadaan ekonomi validator pada lapisan konsensus Ethereum. Ini bertujuan untuk menciptakan sistem yang dapat diverifikasi yang secara akurat menilai nilai aset jaminan, mengurangi risiko manipulasi atau pemangkasan. Begitu sistem ini dibangun, sistem ini dapat memfasilitasi proses pemberian pinjaman dan likuidasi.

Ion juga bekerja sama dengan Modulus Labs, memanfaatkan ZKML untuk analisis tanpa kepercayaan dan parametrisasi pasar pinjaman, termasuk tingkat bunga, LTVs, dan detail pasar lainnya untuk meminimalkan paparan risiko dalam kasus insiden pemotongan yang tidak wajar.

Kesimpulan

DeFi benar-benar luar biasa karena merevolusi cara aktivitas keuangan dilakukan, menghilangkan kebutuhan akan perantara dan mengurangi risiko pihak lawan. Namun, DeFi saat ini masih kurang dalam memberikan pengalaman pengguna yang hebat. Kabar menggembirakan adalah bahwa ini berada di ambang perubahan dengan diperkenalkannya koprosesor yang akan memberdayakan protokol DeFi untuk menawarkan fitur berbasis data, meningkatkan UX, dan menyempurnakan manajemen risiko. Selain itu, seiring infrastruktur AI terdesentralisasi maju, kita maju menuju masa depan Intelligent DeFi.

Disclaimer：

1. Artikel ini dicetak ulang dari [ cermin], Semua hak cipta milik penulis asli [lukewasm.eth]. Jika ada keberatan terhadap cetakan ulang ini, silakan hubungi Gate Belajartim, dan mereka akan menanganinya dengan cepat.
2. Penafian Tanggung Jawab: Pandangan dan opini yang terdapat dalam artikel ini semata-mata milik penulis dan tidak merupakan nasihat investasi apa pun.
3. Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang.