แนะ นำ

แอปแบบกระจายอํานาจในปัจจุบันต้องเผชิญกับข้อจํากัดในการดําเนินการคํานวณแบบ on-chain ที่ซับซ้อน เนื่องจากความสามารถในการประมวลผลที่จํากัดของบล็อกเชน อย่างไรก็ตามด้วยการพัฒนาอย่างรวดเร็วของเทคโนโลยีเช่นโปรเซสเซอร์ร่วมบล็อกเชนร่วมกับทฤษฎีเกมและการออกแบบกลไกกรณีการใช้งานคลื่นลูกใหม่เกิดขึ้นเพื่อปรับปรุงประสบการณ์ของผู้ใช้อย่างมาก

บทความนี้สํารวจพื้นที่การออกแบบของโปรเซสเซอร์ร่วมโดยเน้นที่กรณีการใช้งานที่เป็นไปได้ที่พวกเขาให้อํานาจ

ประเด็นสําคัญ:

• การคำนวณบล็อกเชนที่แพงและจำกัด; ทางออกหนึ่งคือการย้ายการคำนวณออกจากเชนและตรวจสอบผลลัพธ์บนเชนผ่าน coprocessors เพื่อเปิดให้เกิดโลจิค dapp ที่ซับซ้อนมากขึ้น
• Coprocessors สามารถจัดประเภทเป็น trustless (ZK), trust-minimized (MPC/TEE), optimistic, และ cryptoeconomic โดยอ้างอิงถึงประสมความมั่นคงของพวกเขา แก้ไขเหล่านี้ยังสามารถผสมกันเพื่อบรรลุความมั่นคงที่ต้องการเทียบกับความดีงาม
• ประเภทต่างๆ ของ coprocessors เหมาะสำหรับงานต่างๆ ใน DeFi กรณีการใช้งานที่เป็นไปได้ประกอบด้วย DEX (AMM & orderbook), ตลาดเงิน, staking, restaking, ฯลฯ
• With the rise of decentralized AI, together with coprocessors, we are entering a new era of “อัจฉริยะ DeFi”.

บทบาทของคอปรอเซสเซอร์

บล็อกเชนถูกมองว่าเป็นเครื่องจำลองเสมือนเสมอภาพ CPU สำหรับการดำเนินการทั่วไป ซึ่งอาจจะไม่เหมาะสมสำหรับการคำนวณที่หนัก งานที่เกี่ยวกับการวิเคราะห์ข้อมูลและการคำนวณที่หนักมักต้องใช้การแก้ปัญหานอกเหนือจากบล็อกเชน ตัวอย่างเช่น ตลาดสั่งซื้ออย่าง dydx v3 ใช้การจับคู่นอกเหนือจากบล็อกเชนและเครื่องเสี่ยงที่ทำงานบนเซิร์ฟเวอร์ที่จัดกลาง โดยการชำระเงินเท่านั้นที่เกิดขึ้นบนเชน

ในการคำนวณ โปรเซสเซอร์ถูกนำเสนอขึ้นเพื่อช่วยเหลือโปรเซสเซอร์ในการปฏิบัติงานที่เฉพาะเจาะจง ตามที่ระบุโดยคำนำหน้า 'co-' ตัวอย่างเช่น GPU ทำหน้าที่เป็นโปรเซสเซอร์สำหรับ CPU พวกเขาดีเยี่ยมในการจัดการการคำนวณแบบขนานที่จำเป็นสำหรับงานเช่นการเรนเดอร์ 3 มิติและการเรียนรู้เชิงลึก การจัดระเบียบนี้ช่วยให้ CPU หลักสามารถ Concentrate ในการประมวลผลแบบทั่วไป โมเดลโปรเซสเซอร์ ทำให้คอมพิวเตอร์สามารถจัดการภาระงานที่ซับซ้อนมากขึ้นซึ่งไม่สามารถทำได้ด้วย CPU ที่เป็นอุปกรณ์เดียว

โดยใช้ coprocessors และเข้าถึงข้อมูล on-chain แอปพลิเคชันบล็อกเชนสามารถให้คุณลักษณะขั้นสูงและตัดสินใจอย่างมีเหตุผลได้ สร้างโอกาสในการดำเนินการคำนวณเพิ่มเติมเพื่อเปิดใช้งานงานที่ซับซ้อนมากขึ้น และอนุญาตให้แอปพลิเคชันกลายเป็น "ฉลาด" มากขึ้น

ประเภทต่าง ๆ ของ Coprocessors

โดยอิงจากการสันทนาการ เครื่องช่วยปฏิบัติอาจถูกจัดอยู่ในสามประเภทหลัก คือ Zero-Knowledge (ZK), โอพติมิสติก และ Cryptoeconomic

ZK coprocessors, if implemented correctly, are theoretically trustless. They perform off-chain computations and submit on-chain proofs for verification. While they provide speed, there is a trade-off in terms of proving cost. As custom hardware advances and cryptography develops, the final cost passed on to end-consumers could potentially be reduced to a more acceptable level.

Axiom และ RISC ZeroBonsai เป็นตัวอย่างของ ZK coprocessors พวกเขาช่วยให้การคำนวณที่อยู่ในเงื่อนไขที่เข้าถึงสถานะบนเชื่อมโยงในเครือข่ายสามารถทำงานนอกเชื่อมโยงและให้พิสูจน์ว่าการคำนวณถูกดำเนินการ

เพื่อให้เข้าใจชัดเจนยิ่งขึ้นว่าโปรเซสเซอร์ร่วม ZK ทั่วไปทํางานอย่างไรเรามาตรวจสอบ ขั้นตอนการทำงานของ RISC Zero Bonsai.

แอปพลิเคชันส่งคำขอการประมวลผลร่วมกันไปยัง Bonsai Relay ซึ่งจากนั้นส่งคำขอพิสูจน์ไปยังบริการพิสูจน์ Bonsai RISC Zero zkVM ดำเนินการโปรแกรมและสร้างพิสูจน์เพื่อยืนยันการดำเนินการของโค้ดที่ถูกต้องซึ่งสามารถที่จะตรวจสอบได้โดยใครก็ได้ ต่อมา Bonsai Relay เผยแพร่พิสูจน์บนเชนและแอปพลิเคชันได้รับผลลัพธ์ผ่านฟังก์ชันการตอบรับ

บอนไซบน Ethereum

ในขณะที่ ZK coprocessor เป็นหนึ่งในวิธีการในการบรรลุการคำนวณ off-chain ที่สามารถยืนยันได้, ทางเลือกอื่น ๆ เช่น MPC และ TEEs มีวิธีการที่แตกต่างกัน ซึ่ง MPC ช่วยให้การคำนวณร่วมกันบนข้อมูลที่ละเอียดอ่อน, ในขณะที่ TEEs ให้สิ่งอำนวยความสะดวกที่มีการป้องกันด้านฮาร์ดแวร์อย่างปลอดภัย แต่ละทางเลือกมาพร้อมกับชุดของการแลกเปลี่ยนระหว่างความปลอดภัยและประสิทธิภาพของตัวเอง ในบทความนี้, เราจะเน้นที่ ZK coprocessors

โปรเซสเซอร์ร่วมในแง่ดีนําเสนอโซลูชันที่คุ้มค่า แต่ประสบปัญหาเวลาแฝงที่สําคัญ (โดยทั่วไปคือสัปดาห์) พวกเขาต้องการให้ฝ่ายที่ซื่อสัตย์ท้าทายพวกเขาอย่างมีประสิทธิภาพด้วยหลักฐานการทุจริตภายในหน้าต่างที่ท้าทาย ดังนั้นเวลาในการรับประกันความปลอดภัยจึงล่าช้า

คอปโปรเซสเซอร์ทางเศรษฐศาสตร์เชิงรหัสเป็นคอปโปรเซสเซอร์เชิงโต้ตอบที่มีตราสารเศรษฐกิจที่เพียงพอใหญ่ในการดำเนินการและระบบประกันภัยออนเชนที่ช่วยให้ผู้อื่นสามารถรับค่าชดเชยสำหรับการคำนวณที่ผิดพลาด ตราสารเศรษฐกิจและประกันภัยนี้สามารถซื้อได้ผ่านผู้ให้บริการความปลอดภัยร่วม เช่น Eigenlayer ข้อดีคือการชำระเงินทันที แต่ข้อเสียคือค่าใช้จ่ายในการจัดหาประกันภัย

ลักษณะของโปรเซสเซอร์ร่วมประเภทต่างๆ

*มีเวลาการสร้างพิสูจน์น้อยกว่าหนึ่งวินาทีอยู่ที่นั่น (ต้องยอมรับว่าสำหรับพิสูจน์ขนาดเล็ก ๆ ที่ถูกปรับแต่งให้ดี โดยรวดเร็ว) และพวกเขากำลังปรับปรุงอย่างรวดเร็ว

ประเภทต่าง ๆ ของ coprocessors มีลักษณะความต้องการทางด้านต้นทุน ความหน่วงเหตุการณ์ และคุณสมบัติด้านความปลอดภัยที่แตกต่างกัน การรวมตัวของ coprocessors ที่แตกต่างกันสามารถนำไปสู่ประสบการณ์ผู้ใช้ที่ถูกปรับแล้ว เช่นตัวอย่างที่โดดเด่นคือBrevisเริ่มต้นด้วย zk-coprocessor ตอนนี้ Brevis ได้เปิดเผยแล้วBrevis coChain. นวัตกรรมนี้รวมเศรษฐศาสตร์การเข้ารหัสลับและ ZKP ภายในโปรเซสเซอร์ร่วม ZK ส่งผลให้ต้นทุนลดลงลดเวลาแฝงและประสบการณ์การใช้งานที่ดีขึ้น

โปร ZK coprocessors, ในสถานะปัจจุบันของพวกเขายังมีความท้าทายเช่นค่าการสร้างพิสูจน์สูงและปัญหาขยายออก. สิ่งนี้เป็นเพราะพิสูจน์ ZK สำหรับการเข้าถึงข้อมูลและผลลัพธ์การคำนวณเสมอจะถูกสร้างขึ้นก่อน. การใช้โครงสร้างการ restaking ของ Eigenlayer, Brevis coChain ทำให้ dapps สามารถปรับแต่งระดับความปลอดภัยทางคริปโต-เศรษฐศาสตร์ที่พวกเขาต้องการ, ให้พวกเขามีความยืดหยุ่นมากขึ้นในการเสริมประสบการณ์ของผู้ใช้. นี่คือการอธิบายอย่างง่ายของวิธีการทำงานของมัน.

Brevis coChain จะสร้างผลลัพธ์เบื้องต้นตามคำขอการประมวลผลโดยใช้ PoS consensus อย่างโดดเด่น จากนั้น จะเริ่มขึ้นหน้าต่างท้าทายสองประการ โดยหนึ่งในนั้นเป็นเฉพาะแอพพลิเคชั่นและสามารถกำหนดค่าได้โดยนักพัฒนา และอีกหนึ่งคือหน้าต่างการตัดสินใจ coChain ระยะเวลายาว

กระบวนการ Brevis coChain

ในระหว่างหน้าต่างท้าทายการสมัครผู้สังเกตการณ์สามารถส่ง ZKP ที่ขัดแย้งกับผลการประมวลผลร่วม ความท้าทายที่ประสบความสําเร็จเฉือนผู้เสนอและให้รางวัลแก่ผู้ท้าชิง ข้อเสนอที่ล้มเหลวทําให้พันธบัตรของผู้ท้าชิงถูกริบ

หากไม่มีความท้าทายแอปจะถือว่าผลลัพธ์ถูกต้อง หน้าต่างเฉือน coChain ทั่วโลกมีไว้เพื่อความปลอดภัยที่เพิ่มขึ้น แม้ว่าแอปจะยอมรับผลลัพธ์ที่ผิดพลาด ตราบใดที่หน้าต่างเครื่องหมายทับ coChain เปิดอยู่ ผู้ตรวจสอบที่เป็นอันตรายสามารถเฉือนและแก้ไขผลลัพธ์ที่ไม่ถูกต้องได้

เนื่องจากโปรเซสเซอร์ร่วมประเภทต่างๆ แสดงลักษณะต้นทุน เวลาแฝง และความปลอดภัยที่แตกต่างกัน แอปพลิเคชันจึงต้องประเมินความต้องการเพื่อกําหนดประเภทของโปรเซสเซอร์ร่วมที่ต้องการ หากการคํานวณเกี่ยวข้องกับงานที่มีความปลอดภัยสูง, เช่น การคํานวณยอดคงเหลือของผู้ตรวจสอบความถูกต้องบนห่วงโซ่ Beacon ในการปักหลักของเหลวที่มีเงินหลายพันล้านดอลลาร์เป็นเดิมพัน, โปรเซสเซอร์ร่วม ZK เป็นตัวเลือกที่เหมาะสมที่สุด. พวกเขาให้ความปลอดภัยสูงสุดเนื่องจากผลลัพธ์สามารถตรวจสอบได้อย่างน่าเชื่อถือ นอกจากนี้เวลาแฝงไม่ได้เป็นข้อกังวลในสถานการณ์เช่นนี้ทําให้สามารถสร้างหลักฐานภายในกรอบเวลาที่ยอมรับได้

สำหรับงานที่ไม่ไว้วางใจและไม่มีความสำคัญทางการเงินมากนัก เช่น การนำเสนอข้อมูลเชิงมิติบนโซเชียลโปรไฟล์ของคุณบนเชน โปรไฟล์ ออพทิมิสติกโค-โพรเซสเซอร์ที่ให้บริการการคำนวณนอกเชนที่ต่ำที่สุดอาจเป็นที่เลือกได้

สำหรับงานอื่น ๆ หน่วยประมวลผลร่วมด้านเศรษฐศาสตร์ของสกุลเงินดิจิทัลพิสูจน์ว่ามีความคุ้มค่ามากขึ้นเมื่อประกันที่ซื้อครอบคลุมมูลค่าที่เสี่ยง การวิเคราะห์ค่าใช้จ่ายในการประกันควรทำตามกรณีโดยละเอียด โดยได้รับการกระทำอย่างมากโดยมูลค่าที่ถูกอำนวยความสะดวกโดยการใช้งาน งานเหล่านี้มักเกี่ยวข้องกับการวิเคราะห์และการจำแนกความเสี่ยงที่หลากหลาย

วิธีหนึ่งในการจัดหมวดหมู่คอปรอเซสเซอร์คือตามประเภทของการคำนวณ ด้วยตัวอย่างเช่น:

• RiscZero, กระชับ และ =ศูนย์;สำหรับการคำนวณทั่วไป,
• พิธีกรรมและโมดูลัส for AI,
• สเปซแอนด์ไทม์สำหรับการดำเนินการฐานข้อมูล,
• เมก้าเอธสำหรับการคำนวณ EVM และอื่น ๆ

การใช้ coprocessors ใน DeFi เป็นพื้นที่ที่เพิ่มขึ้นที่มีศักยภาพมากมาย ในส่วนถัดไป ฉันจะเรียกเส้นตารางแนวคิดที่มีอยู่และการนำไปใช้ในวิธีที่ coprocessors สามารถใช้ในหลายภาคสาขาภายใน DeFi เช่น DEX, ตลาดเงิน, staking, restaking, ฯลฯ

DEX

มีผู้เกี่ยวข้องหลายฝ่ายใน DEX ซึ่งรวมถึงนักเทรดเดอร์ ผู้ให้สารความเหนื่อยง่าย ผู้ทำตลาด ผู้จัดการสารความเหนื่อยง่าย ผู้แก้ปัญหา/ผู้เติมเต็ม และอื่น ๆ โปรเซสเซอร์มีศักยภาพในการปรับปรุงงานที่ซับซ้อนด้วยระดับความเชื่อที่แตกต่างกันอย่างมีประสิทธิภาพ โดยในที่สุดจะเสริมสร้างประสบการณ์สำหรับผู้เกี่ยวข้องเหล่านี้

ลดต้นทุน

ใน AMM พื้นฐาน หนึ่งในฟังก์ชันที่สำคัญคือการคำนวณพารามิเตอร์ที่จำเป็นเมื่อผู้ใช้เริ่มต้นสวําํบ. พารามิเตอร์เหล่านี้รวมถึงจํานวนที่จะถูกสลับเข้าและออก, ค่าธรรมเนียม, และราคาหลังจากการสลับ. กรณีการใช้งานอย่างเรียบง่ายเพื่อใช้พลังการคํารววัตุณของ zk-coprocessors ในขณะที่รักษาการรับประกันความไว้วางใจคือการดําเนินการบางส่วนของฟังก์ชันการสลับนอกเหนือการเชื่อมต่อ, แล้วดําเนินขั้นตอนที่เหลือบนเชื่อมต่อ. zkAMMs เป็นรูปแบบหนึ่งของ Automated Market Makers (AMMs) ที่รวม proof โดยไม่มีความรู้ในโปรโตคอล.@0xfuturistic) แนะนําการใช้งาน zkAMM (zkUniswap) ตาม Uniswap v3 ซึ่งส่วนหนึ่งของการคํานวณสวอป AMM ถูกถ่ายโอนไปยัง Risc Zero zkVM ผู้ใช้เริ่มการแลกเปลี่ยนโดยทําการร้องขอแบบ on-chain อินพุตสวอปจะถูกหยิบขึ้นมาโดยผู้ซ้อนและการคํานวณจะดําเนินการนอกห่วงโซ่ จากนั้นผู้ซ้อนจะโพสต์ผลลัพธ์และหลักฐาน AMM ตรวจสอบหลักฐานและชําระการแลกเปลี่ยน

ในขณะที่ต้นทุนการคํานวณยังคงเทียบได้กับ EVM ในขั้นตอนปัจจุบัน แต่ก็เป็นไปได้ที่จะบรรลุประสิทธิภาพที่สูงขึ้นโดยการปรับการคํานวณสวอปกับเส้นทางอิสระด้วยคุณสมบัติความต่อเนื่องของ RiscZero โดยพื้นฐานแล้วการดําเนินการสวอปสามารถทําได้ตามลําดับบนเชน แต่ขั้นตอนการแลกเปลี่ยนจริงสามารถคํานวณได้แบบขนานนอกห่วงโซ่โดยใช้วิธีนี้ สิ่งนี้ทําให้สามารถขนานส่วนที่หนักที่สุดสําหรับแบทช์ซึ่งไม่สามารถทําได้ใน EVM ค่าใช้จ่ายในการตรวจสอบอาจถูกตัดจําหน่ายโดยการรวมธุรกรรมหลายรายการเข้าด้วยกัน

ผู้ใช้ยังมีตัวเลือกที่จะใช้ชั้นข้อมูลที่มีความพร้อมพร้อมสูงเพื่อส่งคำขอสวอพ วิธีการอื่น ๆ คือการใช้ลายเซ็น EIP712 สำหรับการแพร่กระจายออฟเชน ซึ่งสามารถช่วยลดต้นทุนสวอพได้มากยิ่งขึ้น

พารามิเตอร์ที่เปลี่ยนไป

Coprocessors ยังสามารถใช้งานเพื่อควบคุมค่าธรรมเนียมสำหรับสระ AMM อย่างไรก็ตาม แนวคิดของค่าธรรมเนียมแบบไดนามิกคือการเพิ่มอัตราค่าธรรมเนียมขณะที่ตลาดและลงและลดลงในเงื่อนไขตลาดที่เงียบสงบนี้จะเป็นประโยชน์ต่อผู้ให้สาระสำคัญเนื่องจากพวกเขาเป็นคนเหนือของฝั่งที่ไม่เอื้องดีของการเทรดและประสบการระอกของค่ามูลค่าผ่านการสูญเสียเทียบกับการสมดุล (LVR) การนำไปสู่การใช้ค่าธรรมเนียมแบบไดนามิกมีเป้าหมายที่จะแก้ไขปัญหานี้โดยการชดเชย LPs อย่างเหมาะสม

บาง AMMs มีคุณสมบัตินี้อยู่แล้ว ตัวอย่างเช่น Ambientใช้ออรัคเคิลภายนอกที่ตรวจสอบและถ่ายภาพของสระว่ายน้ำ Uniswap v3 ในระดับค่าธรรมเนียมต่าง ๆ ทุก 60 นาทีเพื่อเลือกสระว่ายน้ำที่ดำเนินการดีที่สุด

เพื่อให้ข้อมูลเชิงลึกเพิ่มเติมเกี่ยวกับการปรับอัตราค่าธรรมเนียมสามารถใช้ข้อมูลเพิ่มเติมได้ทั้งแบบ on-chain และ off-chain ซึ่งรวมถึงการซื้อขายในอดีตที่ดําเนินการแบบ on-chain สําหรับพูล AMM นี้โดยเฉพาะหรือสําหรับคู่เดียวกันในกลุ่มสภาพคล่องต่างๆ (เช่น โซลูชัน Ambient) หรือแม้แต่พูลบนเครือข่ายต่างๆ หากอนุญาตให้มีสมมติฐานความน่าเชื่อถือบางอย่างข้อมูลนอกเครือข่าย (เช่นข้อมูลการค้า CEX) จาก oracles ที่มีชื่อเสียงเช่น Chainlink หรือ Pyth อาจได้รับการแนะนํา

การตัดสินใจเกี่ยวกับประเภทของ coprocessors ที่จะใช้ ได้รับความกระทบจากความถี่ของการปรับค่าธรรมเนียม ในกรณีที่ pool ต้องการการเปลี่ยนแปลงค่าธรรมเนียมแบบไดนามิกอย่างถี่มาก coprocessors ทาง cryptoeconomic อาจเหมาะสมกว่า นี่เป็นเพราะค่าใช้จ่ายในการพิสูจน์ อาจมีน้ำหนักมากกว่าค่าประกัน ซึ่งสามารถประเมินได้ว่าเป็นความต่างในอัตราค่าธรรมเนียมที่คูณด้วยปริมาณเฉลี่ย ในกรณีของการคำนวณผิดพลาดใด ๆ LPs สามารถเรียกร้องค่าประกันของตนได้อย่างง่ายดาย ซึ่งถูกให้บริการโดย Eigenlayer เพื่อชดเชยค่าสูญเสียในค่าธรรมเนียมของพวกเขา

ในทางกลับกัน มีพูลที่ชอบการเปลี่ยนอัตราค่าธรรมเนียมที่น้อยบ่อยๆ อย่างไรก็ตาม พูลเหล่านี้จัดการปริมาณที่ใหญ่มาก ซึ่งอาจทำให้ต้นทุนการซื้อประกันเพิ่มขึ้น ในกรณีเช่นนี้ ZK coprocessors เหมาะที่สุดเนื่องจากพวกเขาให้การรับรองที่แข็งแกร่งที่สุด

ผู้จัดการสภาพคล่องที่ใช้งานอยู่ (ALM)

การจัดหาสภาพคล่องแบบพาสซีฟอาจเป็นตัวเลือกที่น่าสนใจสําหรับผู้ใช้ที่มีประสบการณ์น้อยที่ต้องการรับค่าธรรมเนียมจากสภาพคล่องที่ไม่ได้ใช้งานโดยไม่ต้องกังวลเกี่ยวกับการเบี่ยงเบนของราคามากเกินไป อย่างไรก็ตามผู้ให้บริการสภาพคล่องบางราย (LPs) มีความอ่อนไหวต่อการสูญเสียที่เกิดจากการเบี่ยงเบนของราคาและการเก็งกําไรทางสถิติ ก่อนหน้านี้เราได้พูดคุยกันว่าการปรับค่าธรรมเนียมแบบไดนามิกสามารถบรรเทาปัญหานี้ได้อย่างไร แต่ทําไมไม่ก้าวไปอีกขั้นและเปลี่ยนรูปร่างของเส้นโค้งสภาพคล่องอย่างสมบูรณ์? นี่เป็นวิธีการที่ซับซ้อนมากขึ้นในการจัดการสภาพคล่องที่เรียกว่า Active Liquidity Managers (ALMs)

น่าเสียใจที่ ALM ที่มีอยู่ส่วนใหญ่ให้กลยุทธ์พื้นฐานเช่นการปรับสมดุลซึ่งมีผลกระทบจํากัดต่อการจัดเก็บค่าธรรมเนียม ในทางกลับกันมีเทคนิคขั้นสูงเล็กน้อยเช่นการป้องกันความเสี่ยงโดยใช้ตลาดเงินหรืออนุพันธ์ อย่างไรก็ตามพวกเขามีค่าใช้จ่ายสูงเมื่อดําเนินการบ่อยครั้งแบบ on-chain หรือพึ่งพาการคํานวณกล่องดํานอกเครือข่ายแบบรวมศูนย์

Coprocessors มีศักยภาพในการจัดการกับปัญหาต้นทุนและความเชื่อถือ ทำให้สามารถนำเอากลยุทธ์ขั้นสูงเข้ามาใช้งานได้ โดยการรวมระบบกับโซลูชันการเรียนรู้เครื่องซึ่งทันสมัยอย่าง zero-knowledge machine learning (ZKML) เช่น Modulus Labsและแพลตฟอร์ม AI แบบไม่ centralize เช่น พิธี, ผู้จัดการ Likwiditi สามารถใช้กลยุทธ์ที่ซับซ้อนที่ขึ้นอยู่กับข้อมูลการซื้อขายในอดีต ความสัมพันธ์ระหว่างราคา ความผันผวน ไดนามิก และอื่น ๆ ในขณะที่เพลิดเพลินกับข้อดีของความเป็นส่วนตัวและความไม่มีความไว้วางใจ

กลยุทธ์การซื้อขายความถี่สูงต้องการเวลาที่แม่นยําและการดําเนินการที่รวดเร็ว แม้ว่าโซลูชัน ZK อาจไม่ตรงตามความเร็วที่จําเป็นเสมอไป แต่โปรเซสเซอร์ร่วมด้านเศรษฐกิจคริปโตก็ยอดเยี่ยมในด้านนี้ โปรเซสเซอร์ร่วมเหล่านี้ช่วยให้อัลกอริทึม AI สามารถดําเนินการได้อย่างรวดเร็วโดยมีการอัปเดตพารามิเตอร์บ่อยเท่าที่เวลาบล็อกอนุญาต อย่างไรก็ตามการใช้วิธีนี้มาพร้อมกับค่าประกัน การประเมินต้นทุนเหล่านี้อย่างแม่นยําอาจเป็นเรื่องที่ท้าทายเนื่องจากความเสี่ยงที่อาจเกิดขึ้นเช่นผู้จัดการจัดการเงินทุนผิดพลาดหรือมีส่วนร่วมในการซื้อขายเคาน์เตอร์ กระบวนการตัดสินใจเกี่ยวข้องกับการปรับสมดุลผลตอบแทนเพิ่มเติมกับค่าใช้จ่ายในการประกันซึ่งท้ายที่สุดขึ้นอยู่กับปริมาณทั้งหมดที่เกิดขึ้นภายในกรอบเวลาที่วัดได้ของผู้ประมวลผลร่วม การปรับขนาดกระบวนการนี้อาจพิสูจน์ได้ยากโดยพิจารณาจากเงินทุนที่สามารถเข้าถึงได้ใน AVS เดียวและความสามารถในการทํานายมูลค่าที่มีความเสี่ยงในช่วงเวลาใดเวลาหนึ่ง

การกระจายรางวัลที่ขึ้นอยู่กับตัวชี้วัตร

ในขณะที่ทุกรายการธุรกรรมถูกบันทึกบนบล็อกเชน สมาร์ทคอนแทรคต้องเผชิญกับความท้าทายในการกำหนดตัวชี้วัดที่รายการธุรกรรมเหล่านี้แทน เช่น ปริมาณธุรกรรม จำนวนการโต้ตอบ TVL ต่อหน่วยเวลา ฯลฯ บางคนอาจพูดว่าควรใช้โซลูชันดัชนีเช่น Dune Analytics ซึ่งจะให้ข้อมูลที่มีคุณค่า อย่างไรก็ตาม การพึ่งพาที่ดัชนีนอกเสียทำให้มีชั้นของความไว้วางใจเพิ่มเติม นี่คือที่ที่ coprocessors ปรากฏขึ้นเป็นทางออกที่มีความมั่นคง

หนึ่งในค่าทางโซนที่มีค่ามากมายคือปริมาณการเทรดบนเชน ตัวอย่างเช่น ปริมาณสะสมภายในพูล AMM ที่เกี่ยวข้องกับที่อยู่เฉพาะบุคคลบางรายในบล็อกที่แน่นอน ค่าทางโซนนี้เป็นประโยชน์อย่างมากสำหรับ DEX หนึ่งในที่ใช้ก็คือการตั้งขั้นตอนค่าธรรมเนียมที่แตกต่างกันสำหรับผู้ใช้โดยขึ้นอยู่กับปริมาณการเทรดของพวกเขา วิธีการนี้คล้ายกับค่าธรรมเนียมแบบไดนามิก แต่ไม่ใช่การพึ่งพาข้อมูลทั่วไป แต่มองที่ข้อมูลที่เฉพาะเจาะจงของที่อยู่

Brevisให้ตัวอย่างที่น่าสนใจที่นี่ที่โปรดเพิ่มพลังพิสูจน์ปริมาณได้ร่วมกับการคืนค่าธรรมเนียมที่ปรับแต่ง Uniswap hooks เพื่อให้มีค่าคืนธรรมเนียมตามปริมาณ ที่คล้ายกับนักซื้อ VIP บน CEXes

โดยเฉพาะอย่างยิ่ง Uniswap v4 สามารถอ่านธุรกรรมย้อนหลังของผู้ใช้ใน 30 วันที่ผ่านมา แยกแยะเหตุการณ์การซื้อขายแต่ละรายการด้วยตรรกะที่กำหนดเอง และคำนวณปริมาณการซื้อขายด้วย Brevis ปริมาณการซื้อขายและ ZK Proof ที่สร้างขึ้นโดย Brevis จากนั้นถูกตรวจสอบได้อย่างปลอดภัยในสัญญาอัจฉริยะ Uniswap v4 Hook ซึ่งกำหนดและบันทึกชั้นด่านค่าธรรมเนียม VIP ของผู้ใช้อย่างไม่เชื่อถือได้แบบไม่มีกลไกหลักหลังเมื่อการตรวจสอบพิสูจน์เสร็จสิ้น การซื้อขายในอนาคตของผู้ใช้ที่มีสิทธิพิสูจน์จะเรียกใช้ฟังก์ชัน getFee() เพื่อค้นหาบันทึก VIP และลดค่าธรรมเนียมการซื้อขายสำหรับพวกเขาตามอย่างเหมาะสม

ค่าใช้จ่ายในการรับรองเป็น "VIP" ก็ไม่แพง (ประมาณ 2.5 ดอลลาร์ตามผลลัพธ์ของตัววัดประสิทธิภาพ) ค่าใช้จ่ายสามารถลดลงได้อีกโดยการรวมผู้ใช้หลายคนโดยใช้ solutioins เช่นNEBRAความสูญเสียที่เดียวคือความหดหู่เพราะความหน่วง โดยใช้เวลาประมาณ 400 วินาทีเพื่อเข้าถึงและคำนวณการทำธุรกรรม Uniswap on-chain 2600 รายการ อย่างไรก็ตาม สิ่งนี้น้อยกว่าที่จะทำให้ความกังวลสำหรับคุณลักษณะที่ไม่ไว้วางใจต่อเวลา

เพื่อแก้ไขปัญหาความหดหู่ dapps สามารถใช้ Brevis's coChain ในการใช้งาน ผลลัพธ์ถูกคำนวณและส่งมอบอย่างรวดเร็วผ่านกลไกความเห็นร่วมของ PoS เพื่อลดความล่าช้า ในกรณีที่มีกิจกรรมที่ไม่ดี สามารถใช้ ZKP ระหว่างหน้าต่างท้าทายเพื่อลงโทษผู้ตรวจสอบที่ผิด

ตัวอย่างเช่นในสถานการณ์ค่าธรรมเนียมวีไอพีที่กล่าวถึงก่อนหน้านี้หากผู้ตรวจสอบ coChain มากกว่า 2/3 หลอกลวงกําหนดระดับวีไอพีที่สูงขึ้นให้กับผู้ใช้บางรายใน "ตารางการค้นหาระดับวีไอพี" ที่เชื่อมโยงกับเบ็ดค่าธรรมเนียมแบบไดนามิกผู้ใช้บางคนอาจได้รับส่วนลดค่าธรรมเนียมที่มากขึ้น อย่างไรก็ตามเมื่อมีการแสดงหลักฐาน ZK ในช่วงหน้าต่างเฉือนซึ่งแสดงให้เห็นว่าระดับวีไอพีไม่ถูกต้องผู้ตรวจสอบที่เป็นอันตรายจะถูกลงโทษ ระดับวีไอพีที่ผิดพลาดสามารถแก้ไขได้โดยการเปิดใช้งานการเรียกกลับความท้าทายเพื่ออัปเดตตารางการค้นหาระดับวีไอพี สําหรับสถานการณ์ที่ระมัดระวังมากขึ้นนักพัฒนาสามารถเลือกใช้หน้าต่างความท้าทายระดับแอปพลิเคชันเพิ่มเติมซึ่งให้ชั้นความปลอดภัยและความสามารถในการปรับตัวเพิ่มเติม

การขุดสภาพคล่อง

การขุด Liquidity เป็นรูปแบบหนึ่งของการกระจายของรางวัลที่ตั้งใจทำให้ความ Likelihood ของการเงินมีอยู่ DEX สามารถได้ความเข้าใจลึกลงเกี่ยวกับพฤติกรรมของผู้ให้ Liquidity ของพวกเขาผ่าน coprocessors และกระจาย Liquidity mining rewards หรือ incentives อย่างเหมาะสม สำคัญที่จะรับรู้ว่าไม่ใช่ LPs ทุกคนเหมือนกัน บางคนทำหน้าที่เป็นทหารรับจ้างในขณะที่คนอื่นๆ ยังคงเชื่อมั่นในระยะยาว

การสร้างสรรค์สติมูลนิธิที่เหมาะสมควรประเมินผลการทุนของ LPs ในอดีตโดยเฉพาะในช่วงการเปลี่ยนแปลงทางตลาดที่สำคัญ ผู้ที่ให้การสนับสนุนแก่พูลอย่างต่อเนื่องในช่วงเวลาดังกล่าวควรได้รับรางวัลที่สูงที่สุด

ระบบชื่อเสียง Solver/Filler

ในอนาคตที่เน้นไปที่ความตั้งใจของผู้ใช้ ผู้แก้ปัญหา/ผู้เติมที่มีบทบาทสำคัญโดยการทำให้ธุรกรรมที่ซับซ้อนเป็นเรื่องง่ายและบรรลุผลลัพธ์ได้เร็วกว่า ถูกกว่า หรือดีกว่า อย่างไรก็ตาม มีการวิจารณญาณต่อกระบวนการเลือกผู้แก้ปัญหาอยู่เสมอ แนวทางปัจจุบันรวมถึง:

• ระบบที่ไม่จำกัดในการใช้งานที่ใช้การประมูลดัตช์หรือตัวเพิ่มค่าค่าธรรมเนียม อย่างไรก็ตามวิธีการนี้ก็เผชิญกับความท้าทายในการให้ความร่วมและการประมูลที่ไม่จำกัดที่สามารถเกิดปัญหาความล่าช้าหรือแม้กระทั้งการไม่ดำเนินการสำหรับผู้ใช้
• ระบบที่ไม่ต้องขออนุญาตต้องใช้โทเค็นเพื่อการเข้าร่วมซึ่งสร้างอุปสรรค์ทางการเงินในการเข้าถึงและอาจขาดเงื่อนไขการตัดบาป/โทษชัดเจนหรือการบังคับที่โปร่งใสและไว้วางใจ
• สำหรับกรณีอื่น ๆ สามารถสร้าง whitelist ของ solvers ได้ตามฐานะและความสัมพันธ์

เส้นทางข้างหน้าควรเป็นทั้งแบบไม่อนุญาตและไม่น่าเชื่อถือ อย่างไรก็ตามเพื่อให้บรรลุเป้าหมายนี้จําเป็นต้องกําหนดแนวทางในการแยกแยะระหว่างตัวแก้ที่ยอดเยี่ยมกับตัวแก้ที่ไม่ดีนัก ด้วยการใช้ตัวประมวลผลร่วม ZK สามารถสร้างหลักฐานที่ตรวจสอบได้เพื่อตรวจสอบว่าตัวแก้บางตัวตรงตามหรือไม่ตรงตามแนวทางเหล่านี้ จากข้อมูลนี้ผู้แก้ปัญหาสามารถอยู่ภายใต้ขั้นตอนการสั่งซื้อลําดับความสําคัญการเฉือนการระงับหรือแม้แต่การขึ้นบัญชีดํา ตามหลักการแล้วผู้แก้ปัญหาที่ดีกว่าจะได้รับการไหลของคําสั่งซื้อมากขึ้นในขณะที่ผู้แก้ปัญหาที่แย่กว่าจะได้รับน้อยลง สิ่งสําคัญคือต้องทบทวนและปรับปรุงการจัดอันดับเหล่านี้เป็นระยะเพื่อป้องกันการยึดมั่นและส่งเสริมการแข่งขันทําให้ผู้มาใหม่มีโอกาสเท่าเทียมกันในการเข้าร่วม

ประตู-ต้านการแก้ไขราคาออราเคิล

Uniswap ได้นำเสนอออรัคเคิลที่ฝังอยู่ในเวอร์ชัน v2 และ v3 แล้ว ด้วยการเปิดตัว v4 Uniswap ได้ขยายโอกาสให้นักพัฒนาได้มากขึ้น โดยการนำเสนอตัวเลือกออรัคเคิลที่ทันสมัยมากขึ้น อย่างไรก็ตาม ยังมีข้อจำกัดและความจำกัดเมื่อเราพูดถึงออรัคเคิลราคา on-chain

ตั้งแต่เริ่มแรก มีประการคิดถึงเรื่องต้นทุน หาก coprocessor computed price oracle สามารถให้การปรับปรุงต้นทุน มันอาจทำหน้าที่เป็นทางเลือกที่คุ้มค่ากว่า ยิ่งซับซ้อนของการออกแบบ price oracle เท่าไหร่ โอกาสในการประหยัดต้นทุนก็ยิ่งมากขึ้น

อันที่สอง พูลออเคิลราคา on-chain ยังสามารถถูกการจัดการได้อยู่ ในการแก้ไขปัญหานี้ มักจะใช้วิธีรวบรวมราคาจากแหล่งที่ต่างกันและทำการคำนวณเพื่อสร้างพูลออเคิลราคาที่ทนทานต่อการจัดการมากขึ้น Coprocessors สามารถดึงข้อมูลการซื้อขายย้อนหลังจากพูลต่าง ๆ ที่แตกต่างกัน แม้กระทั่งในโปรโตคอลต่าง ๆ ที่สามารถให้การสร้างพูลออเคิลราคาที่ทนทานต่อการจัดการ โดยมีค่าใช้จ่ายที่แข่งขันสำหรับการรวมระบบกับโปรโตคอล DeFi อื่น ๆ

ข้อมูล DIAกำลังทำงานกับออรัคเคิลที่ใช้ ZKO(1) Labs จากระบบนิเวศมินะ วิธีการนี้มีความคล้ายคลึงกัน - รับข้อมูลตลาดและทําการคํานวณที่ซับซ้อนมากขึ้นนอกห่วงโซ่ปราศจากต้นทุนก๊าซและข้อ จํากัด ในการดําเนินการอื่น ๆ แต่ด้วยความสามารถในการตรวจสอบความสมบูรณ์ของการคํานวณเนื่องจากผลลัพธ์ถูกเสิร์ฟบนห่วงโซ่ สิ่งนี้สามารถทําให้สามารถเสริมฟีดราคาอย่างง่ายด้วยข้อมูลตลาดอื่น ๆ เช่นความลึกเพื่อช่วยประเมินผลกระทบจากการชําระบัญชีรวมถึงข้อมูลเมตาเพื่อให้โปรโตคอลสามารถปรับแต่งฟีดได้

ระบบมาร์จิน

เพื่อเอาชนะข้อจำกัดด้านคำนวณของเทคโนโลยีบล็อกเชน แพลตฟอร์มผลิตผลซึ่งหลายรายใช้บ่อยครั้งย้ายส่วนหนึ่งบางส่วน เช่น ระบบการจัดการความเสี่ยง ออกจากเชน

@0x_emperor และ @0xkraneเสนอการใช้งานที่น่าสนใจของ coprocessors ที่ตรรกะและสามารถทำการตรวจสอบได้ ในหลายๆ ตลาด ระบบการจัดการความเสี่ยงถูกวางไว้เพื่อป้องกันการใช้ความเสี่ยงที่มากเกินไป หนึ่งตัวอย่างเช่นคือระบบ Auto Deleveraging System (ADL) ซึ่งจะแบ่งการขาดทุนไปยังนักเทรดที่กำไรเพื่อทำการป้องกันการขาดทุนของนักเทรดที่ถูกละลาย โดยพื้นฐานแล้ว มันจะทำการแจกแจงการขาดทุนในหมู่นักเทรดที่กำไรเพื่อครอบคลุมหนี้ที่ไม่ได้ชำระที่เกิดจากการละลายเหล่านี้

ผู้ใช้อาจมีคําถามเกี่ยวกับการปิดตําแหน่งอย่างแรง เพื่อแก้ไขปัญหานี้การแลกเปลี่ยนสามารถใช้โปรเซสเซอร์ร่วมเพื่อดําเนินการตรรกะของกลไกมาร์จิ้นโดยใช้ข้อมูลแบบ on-chain และสร้างหลักฐานเพื่อตรวจสอบการคํานวณที่ถูกต้อง เนื่องจากเหตุการณ์ ADL เกิดขึ้นไม่บ่อยนักความกังวลเกี่ยวกับเวลาแฝงและต้นทุนการพิสูจน์จึงน้อยที่สุด อย่างไรก็ตามการใช้โปรเซสเซอร์ร่วม Zk ที่เชื่อถือได้และตรวจสอบได้ช่วยเพิ่มความโปร่งใสและความสมบูรณ์ซึ่งเป็นประโยชน์ต่อการแลกเปลี่ยนและผู้ใช้

ตลาดเงิน

โดยการใช้ประโยชน์จากข้อมูล on-chain ที่เก่า ๆ หนักมาก coprocessors มีศักยภาพในการเสริมการบริหารความเสี่ยงสำหรับ LPs และโปรโตคอลการให้ยืมเงิน นอกจากนี้โปรโตคอลสามารถให้ประสบการณ์ผู้ใช้ที่ดีขึ้น โดยใช้การวิเคราะห์ข้อมูลเชิงข้อมูล

เมื่อ Curve ประสบปัญหาด้วยการโจมตีบางเดือนก่อน ความสนใจถูกเปลี่ยนมาให้เป็นตลาดเงินทุน โดยมี CRV tokens ล้านๆ อยู่ในความเสี่ยงของการละลาย เจ้าหนี้ Frax พบความสงบในการเพิ่มอัตราดอกเบี้ยแบบกระตุ้นของโปรโตคอลเมื่ออัตราส่วนการกู้ยืมเงิน (LTV) กลายเป็นที่ไม่สุขสุข เรื่องนี้ทำให้ผู้ก่อตั้ง Curve ชดเชยหนี้ได้เร็วขึ้น อย่างไรก็ตาม ผู้เกี่ยวข้องของ AAVE แสดงความกังวลและเริ่มเรื่องลดความสามารถของหลักประกันและหยุดตลาดได้ ความกลัวของพวกเขามาจากความเป็นไปได้ของความไม่เพียงพอของ Likuiditas สำหรับการละลายที่ประสบความสำเร็จ ซึ่งอาจส่งผลให้เกิดหนี้เสี้ยวและมีความเป็นอ่อนแรงต่อเงื่อนไขของตลาด

โชคดีที่วิกฤติได้รับการแก้ไขแล้ว สิ่งสําคัญคือต้องตรวจสอบสินทรัพย์ที่จดทะเบียนในตลาดเงินเป็นประจําโดยเน้นที่สภาพคล่องในตลาดโดยเฉพาะในช่วงเหตุการณ์การชําระบัญชี สินทรัพย์ที่มีสภาพคล่องต่ําควรได้รับอัตราส่วนเงินกู้ต่อมูลค่า (LTV) ที่ต่ํากว่าและความสามารถในการค้ําประกัน

อย่างไรก็ตามกระบวนการตัดสินใจเรื่องการเปลี่ยนแปลงพารามิเตอร์ความเสี่ยงในตลาดเงิน มักเป็นการตอบสนองตามสถานการณ์ ตามที่เราสังเกตเห็นในสถานการณ์ CRV เราต้องการมากขึ้นและมั่นใจในการดำเนินการอย่างรวดเร็วและเป็นก่อน รวมถึงมีมาตรการที่ไม่ต้องเชื่อถือได้ ได้มีการอภิปรายเกี่ยวกับการใช้ควบคุมควบคุม เพื่อปรับพารามิเตอร์แบบไดนามิกตามเมตริกแบบ on-chain เช่น การใช้สภาพคล่อง แทนที่จะพึ่งพาเส้นโค้งที่กําหนดไว้ล่วงหน้า แนวคิดหนึ่งที่น่าสนใจเกี่ยวข้องกับกลุ่มสินเชื่อที่ตรวจสอบหลักฐานสภาพคล่องแบบ on-chain สําหรับตลาดเฉพาะ ตัวควบคุมได้รับหลักฐานที่คํานวณจากเมตริกแบบ on-chain โดยโปรเซสเซอร์ร่วม ZK ซึ่งบ่งชี้ว่าเมื่อใดที่สินทรัพย์ไม่มีสภาพคล่องเพียงพอเกินเกณฑ์ที่กําหนดอีกต่อไป จากข้อมูลนี้ผู้ควบคุมสามารถใช้มาตรการต่าง ๆ เช่นการปรับอัตราดอกเบี้ยการตั้งค่าเพดาน LTV การระงับตลาดหรือแม้แต่การยกเลิกทั้งหมด

กลยุทธ์ขั้นสูงอาจรวมถึงการปรับความสามารถในการกู้ยืมหลักประกันหรือเส้นโค้งอัตราดอกเบี้ยเป็นระยะตามสภาพคล่องในสัปดาห์ก่อนหน้า เกณฑ์ที่แน่นอนจะถูกกําหนดผ่านการอภิปรายภายใน DAO สามารถพิจารณาได้จากการพิจารณาปัจจัยต่างๆเช่นปริมาณ on-chain ในอดีตการสํารองโทเค็นการลื่นไถลขั้นต่ําสําหรับการแลกเปลี่ยนเงินก้อนและอื่น ๆ

สําหรับผู้ให้กู้และผู้กู้ตลาดเงินสามารถให้บริการและประสบการณ์ที่ดีขึ้นคล้ายกับโปรแกรมคืนเงินค่าธรรมเนียมสําหรับผู้ค้าวีไอพีใน DEX มีโซลูชันคะแนนเครดิตที่มีอยู่ซึ่งมีจุดมุ่งหมายเพื่อสร้างโปรไฟล์ที่ครอบคลุมของผู้ใช้แบบ on-chain เป้าหมายคือการจูงใจพฤติกรรมที่ดีเช่นการบริหารความเสี่ยงที่มีประสิทธิภาพซึ่งแสดงให้เห็นโดยการหลีกเลี่ยงเหตุการณ์การชําระบัญชีการรักษาอัตราส่วน LTV เฉลี่ยที่ดีต่อสุขภาพการสร้างเงินฝากขนาดใหญ่ที่มั่นคงและอื่น ๆ สามารถให้ผลตอบแทนที่ไม่น่าเชื่อถือสําหรับพฤติกรรมเชิงบวกเหล่านี้รวมถึงอัตราดอกเบี้ยที่ดีขึ้นและราบรื่นกว่าเมื่อเทียบกับผู้ใช้โดยเฉลี่ย LTV สูงสุดที่สูงขึ้นและอัตราส่วนการชําระบัญชีเวลาบัฟเฟอร์สําหรับการชําระบัญชีค่าธรรมเนียมการชําระบัญชีที่ต่ํากว่าและอื่น ๆ

การจับคู่และการจับคู่ใหม่

ออรัคเคิลที่ไว้วางใจ

ตั้งแต่การผสานระหว่างการอัพเกรดเซี่ยงไฮ้/ชาเพลลา ตลาดลิควิดสเตกกิ้งกลายเป็นตลาดที่ใหญ่ที่สุดในโลกโดยเฉพาะ มีการเก็บรวม TVL มากกว่า 29 พันล้านดอลลาร์ของ Lido ในขณะที่ Rocketpool มียอด TVL เกิน 3.6 พันล้านดอลลาร์

โดยมีจำนวนเงินที่มากมายอยู่เกี่ยวข้อง จึงสำคัญที่จะทราบว่า oracles ที่ใช้ในการรายงานข้อมูล เช่น ยอดคงเหลือที่แม่นยำของผู้ตรวจสอบที่เกี่ยวข้องบน beacon chain ยังคงไว้วางใจ ทำให้ oracles เหล่านี้มีบทบาทสำคัญในการแจกจ่ายรางวัลให้กับ stakers บน execution layer

ปัจจุบัน Lido ใช้กลไกควอรัม 5 จาก 9 และรักษารายชื่อสมาชิกที่เชื่อถือได้เพื่อป้องกันไม่ให้มีผู้กระทำที่ไม่ดีเข้าไป ในทำเหมือนกัน Rocketpool ดำเนินการด้วย Oracle DAO ชวนเชิญที่ประกอบด้วยผู้ดำเนินการโหนดที่ได้รับการเชื่อถือในการอัพเดทข้อมูลรางวัลในสมาร์ทคอนแทรคต์บนเลเยอร์การดำเนินงาน

อย่างไรก็ตาม มันเป็นสิ่งสำคัญที่จะรับรู้ว่าหากส่วนใหญ่ของบริษัทบุคคลที่เชื่อถือได้ถูกคัดค้าน มันอาจทำให้เกิดความเสียหายอย่างมากต่อเจ้าของโทเค็นการเสียภาษีที่มีค่าและทั้งระบบนิติบุคคล DeFi ที่สร้างขึ้นบน LST อย่างมีประสิทธิภาพ หากต้องการลดความเสี่ยงจากรายงานออราเคิลที่ผิดพลาด/เจ้าชู้ ลิโด้มีในที่สุดชุดของการตรวจสอบสุขภาพที่ถูกนำมาใช้ในรหัสชั้นการดำเนินการของโปรโตคอล

ด้วยการนำเสนอ EIP-4788 "รากบล็อกบีคอนใน EVM" ทำให้ง่ายขึ้นสำหรับ coprocessors ที่จะเข้าถึงและคำนวณข้อมูลบนเลเยอร์ข้อตกลง=นิล; มูลนิธิ, สรุปและ DendrETH กำลังพัฒนาออรัคเลต ZK-proof TVL ของตัวเองสำหรับ Lido โดยเพื่อให้มั่นใจในความปลอดภัยสูงสุด Lido สามารถใช้สถาปัตยกรรม multi-proof

เรียกใช้=nil; ตัวอย่างการออกแบบ นั้น ในระดับสูง ออราเคิลได้รับข้อมูลสำคัญจากชั้นความเห็นร่วมและการดำเนินการ เช่น ที่หัวบล็อกบีคอน สถานะบีคอน ที่อยู่สัญญา Lido ฯลฯ จากนั้นคำนวณรายงานเกี่ยวกับมูลค่าล็อครวมและจำนวนผู้ตรวจสอบสำหรับผู้ตรวจสอบทั้งหมดของ Lido ข้อมูลเหล่านี้พร้อมกับข้อมูลที่จำเป็นเพิ่มเติมถูกส่งไปยังผู้ผลิตพิสูจน์และทำงานบนวงจรที่เฉพาะเจาะจงเพื่อสร้างพิสูจน์ ZK ออราเคิลเรียกคืนพิสูจน์และส่งพิสูจน์และรายงานของมันไปยังสัญญาฉลาดสำหรับการตรวจสอบ โปรดทราบว่าการออกแบบออราเคิลเหล่านี้ยังอยู่ในขั้นทดสอบและอาจมีการเปลี่ยนแปลง

อย่างไรก็ตามเป็นที่น่าสังเกตว่าจะมีข้อมูลบางประเภทที่อาจไม่สามารถพิสูจน์ได้ในด้าน EL เนื่องจากลักษณะที่ จํากัด ของสิ่งที่ส่งผ่าน 4788 และ oracles อาจยังคงจําเป็นสําหรับชุดข้อมูลย่อยนี้

นอกจากนี้ ออราเคิล ZK-proof ที่จำกัดความเชื่อยังอยู่ในช่วงเด็ก. การเข้าถึงที่เสนอโดยผู้สนับสนุน Lido คือการใช้ข้อมูลที่ให้โดย ZK oracles เป็น "การตรวจสอบควา sanity" ต่องานที่ทำโดย oracles ที่เชื่อถือได้จนกว่าการสร้าง ZK implementations จะผ่านการทดสอบในสนามรบ. การย้ายความเชื่อทั้งหมดที่อยู่ในระบบออราเคิลไปยังระบบ ZK ในช่วงนี้จะเสี่ยงเกินไป

นอกจากนี้ พิสูจน์สำหรับข้อมูลขนาดใหญ่นี้มีความหนักทางคำนวณมากมาย (เช่น อาจใช้เวลา 30-45 นาที) และมีค่าใช้จ่ายสูงมาก จึงไม่เหมาะสมเป็นตัวเลือกที่เหมาะสมในการใช้เทคโนโลยีในขั้นตอนปัจจุบันสำหรับสิ่งอย่างรายงานทุกวันหรือแม้แต่รายงานภายในวัน

การวิเคราะห์ความเสี่ยงและประสิทธิภาพของผู้ตรวจสอบ

Validators เล่นบทบาทสำคัญในระบบการพักมั่นคง พวกเขาล็อค 32 ETH บนเบคอนเชนและให้บริการการตรวจสอบ หากพวกเขาปฏิบัติตนอย่างถูกต้อง พวกเขาจะได้รับรางวัล อย่างไรก็ตาม หากพวกเขาประพฤติผิดพลาด พวกเขาจะเผชิญกับการลดเหลือ ผู้ตรวจสอบเป็นผลิตโดยผู้ดำเนินงานโหนดที่มีโปรไฟล์ความเสี่ยงที่แตกต่างกัน พวกเขาสามารถถูกคัดเลือก (เช่นเซตตัวตรวจสอบของ Lido) และผูกพัน (เช่นสระน้ำจรินทร์ Lido)CSM) หรือผู้เดิมพันเดี่ยว พวกเขาอาจเลือกที่จะเรียกใช้บริการของตนบนศูนย์ข้อมูลคลาวด์หรือที่บ้านในภูมิภาคที่เป็นมิตรกับกฎระเบียบของ crypto หรือไม่เป็นมิตร นอกจากนี้ ผู้ตรวจสอบความถูกต้องสามารถใช้เทคโนโลยี DVT เพื่อแยกโหนดภายในหรือรวมเข้ากับคลัสเตอร์เพื่อเพิ่มความทนทานต่อข้อผิดพลาด เมื่อ Eigenlayer และ AVS (Actively Validated Services) ต่างๆ ปรากฏขึ้น ผู้ตรวจสอบความถูกต้องอาจเสนอบริการเพิ่มเติมนอกเหนือจากการตรวจสอบความถูกต้องของ Ethereum ไม่ต้องสงสัยเลยว่าโปรไฟล์ความเสี่ยงของผู้ตรวจสอบความถูกต้องจะซับซ้อนทําให้จําเป็นต้องประเมินโปรไฟล์ความเสี่ยงอย่างถูกต้อง ด้วยการวิเคราะห์ความเสี่ยงและประสิทธิภาพของผู้ตรวจสอบความถูกต้องที่ดีจะเปิดประตูสู่ความเป็นไปได้ไม่รู้จบ รวมถึง:

เสียที่สุดคือการประเมินความเสี่ยงเป็นบทบาทสำคัญในการกำหนดชุดผู้ตรวจสอบที่สามารถใช้ได้โดยไม่ต้องขออนุญาต ในบริบทของ Lido การนำเสนอ Staking Router และ EIP-7002 ในอนาคต “การออกจากเลเยอร์การเรียกใช้โดยไม่ต้องขออนุญาต” อาจเป็นทางเลือกในการเปิดทางให้ผู้ตรวจสอบเข้าร่วมและออกจากโหนดได้โดยไม่ต้องขออนุญาต ข้อบังคับสำหรับการเข้าร่วมหรือการออกจากสามารถกำหนดตามโพรไฟล์ความเสี่ยงและการวิเคราะห์ประสิทธิภาพที่ได้มาจากกิจกรรมการตรวจสอบในอดีตของผู้ตรวจสอบ

ประการที่สองการเลือกโหนดใน DVT สําหรับสเตเกอร์เดี่ยวอาจเป็นประโยชน์ในการเลือกโหนดอื่นเพื่อสร้างคลัสเตอร์ DVT สิ่งนี้สามารถช่วยให้เกิดความทนทานต่อความผิดพลาดและเพิ่มผลผลิต การเลือกโหนดสามารถขึ้นอยู่กับการวิเคราะห์ต่างๆ นอกจากนี้การก่อตัวของคลัสเตอร์อาจไม่ได้รับอนุญาตทําให้โหนดที่มีประสิทธิภาพในอดีตที่แข็งแกร่งสามารถเข้าร่วมได้ในขณะที่โหนดที่มีประสิทธิภาพต่ําอาจถูกลบออก

โดยสรุป การ restaking โปรโตคอล Liquid Restaking Protocols ช่วยให้ restakers เข้าร่วมตลาด restaking ของ Eigenlayer ได้ โปรโตคอลเหล่านี้ไม่เพียงแต่สร้างใบเสร็จที่เป็นเงินสดที่เรียกว่า Liquid Restaking Tokens (LRT) แต่ยังมีจุดมุ่งหมายที่จะรักษาผลตอบแทนที่ดีที่สุดที่ปรับความเสี่ยงสำหรับ restakers ตัวอย่างเช่น หนึ่งในRenzo’sการวางกลยุทธ์เกี่ยวข้องกับการสร้างพอร์ตการลงทุน AVS ที่มีอัตราชาร์ประสิทธิ์สูงที่สุดพร้อมทั้งยึดตามการสูญเสียสูงสุดเป้าหมายที่ระบุ การปรับความยินยอมในการรับความเสี่ยงและน้ำหนักผ่าน DAO ซึ่งเมื่อโปรเจกต์ AVS เพิ่มขึ้น ความสำคัญของการปรับปรุงการสนับสนุนสำหรับ AVS ที่เฉพาะเจาะจงและการเลือกผู้ประกอบการ AVS ที่เหมาะสมที่สุดก็มีความสำคัญขึ้น

จนถึงตอนนี้ เราได้เน้นความสำคัญของความเสี่ยงของผู้ตรวจสอบและการวิเคราะห์ผลการทำงาน รวมถึงหลากหลายกรณีการใช้งานที่มันสามารถทำได้ อย่างไรก็ตาม คำถามยังคงคือ: เราจะประเมินโปรไฟล์ความเสี่ยงของผู้ตรวจสอบอย่างไรอย่างแม่นยำ? หนึ่งในวิธีทางเลือกที่เป็นไปได้คือการพัฒนาโดยโปรโตคอล Ion.

Ion Protocol เป็นแพลตฟอร์มการให้ยืมที่ใช้ข้อมูลที่ได้รับการสนับสนุนจาก Validator ที่สามารถพิสูจน์ได้ มันช่วยให้ผู้ใช้สามารถยืม ETH ต่อต้านตำแหน่งของพวกเขาและตำแหน่งที่ถูกเรียกคืนของพวกเขา พารามิเตอร์ของสินเชื่อ รวมถึงอัตราดอกเบี้ย LTVs และสุขภาพของตำแหน่ง ถูกกำหนดโดยข้อมูลชั้นเหนือของมูลค่าที่ได้รับการยอมรับและถูกป้องกันด้วยระบบข้อมูล ZK

Ion กำลังร่วมงานกับทีม Succinct ในความแม่นยำ—เฟรมเวิร์กที่ไม่มีความไว้วางใจเพื่อยืนยันสถานะทางเศรษฐกิจของผู้ตรวจสอบบนชั้น consensus ของ Ethereum โดยมีเป้าหมายเพื่อสร้างระบบที่สามารถยืนยันได้ว่ามีค่าของสินทรัพย์ที่เป็นหลักทรัพย์อย่างแม่นยำเพื่อลดความเสี่ยงในการจัดการหรือการตัดเพื่อลดความเสี่ยงที่เป็นไปได้ หลังจากสร้างเสร็จเรียบร้อยระบบนี้สามารถสนับสนุนกระบวนการกู้ยืมและกระบวนการขายหลักทรัพย์ได้

Ion ยังเป็นพันธมิตรกับ Modulus Labs โดยใช้ ZKML เพื่อการวิเคราะห์และพารามิเตอร์ที่เชื่อถือได้ของตลาดการยืมเงิน รวมถึงอัตราดอกเบี้ย LTVs และรายละเอียดตลาดอื่น ๆ เพื่อลดความเสี่ยงในกรณีเหตุการณ์การลดค่าที่ผิดปกติ

สรุป

DeFi มีความโดดเด่นอย่างแท้จริงเนื่องจากเป็นการปฏิวัติวิธีการดําเนินกิจกรรมทางการเงินโดยไม่จําเป็นต้องใช้ตัวกลางและลดความเสี่ยงของคู่สัญญา อย่างไรก็ตามปัจจุบัน DeFi ขาดการมอบประสบการณ์การใช้งานที่ยอดเยี่ยม ข่าวที่น่าตื่นเต้นก็คือสิ่งนี้กําลังใกล้จะเปลี่ยนแปลงด้วยการเปิดตัวโปรเซสเซอร์ร่วมที่จะช่วยให้โปรโตคอล DeFi สามารถนําเสนอคุณสมบัติที่ขับเคลื่อนด้วยข้อมูลปรับปรุง UX และปรับแต่งการจัดการความเสี่ยง นอกจากนี้ เมื่อโครงสร้างพื้นฐาน AI แบบกระจายอํานาจก้าวหน้า เราจึงก้าวไปสู่อนาคตของ Intelligent DeFi

คำปฏิเสธ：

1. บทความนี้ถูกนำมาจาก [ กระจก] ลิขสิทธิ์ทั้งหมดเป็นของผู้เขียนต้นฉบับ [lukewasm.eth]. หากมีข้อขัดแย้งใดๆเกี่ยวกับการพิมพ์นี้ กรุณาติดต่อ เกต เรียนทีม และพวกเขาจะจัดการกับมันโดยเร็ว
2. คำประกาศความรับผิด: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นเพียงของผู้เขียนเท่านั้น และไม่เป็นการให้คำแนะนำเกี่ยวกับการลงทุนใด ๆ
3. การแปลบทความเป็นภาษาอื่นๆ นั้น ทำโดยทีม Gate Learn หากไม่ได้ระบุไว้ การคัดลอก การกระจาย หรือการลอกเลียนบทความที่ถูกแปลนั้น ถือเป็นการละเมิดลิขสิทธิ์