Мы построили частную сеть алгорадов, чтобы взломать код заказа транзакций
16 июля 2025 г.Таблица ссылок
Аннотация и 1. Введение
- Фон
- Связанная работа
- MEV Discovery
- MEV экстракция
- Заключение и ссылки
5 MEV экстракция
На этапе обнаружения MEV (см. Раздел 4), мы показали, что, хотя пулы, которые мы отслеживаем, обновляются на медиане каждые шесть блоков, наш алгоритм не может найти много выгодных возможностей, поскольку извлеченные значения показывают эффективность поисковиков MEV в алгораде в использовании арбитраж, как только они появляются в блоке. Чтобы быть конкурентоспособным в поисках MEV на уровне сети, нам нужно провести другие поисковики в исполнении. Поскольку экстракция FCFS MEV зависит от оптимизации задержки, в этом разделе мы демонстрируем, как транзакции могут быть приоритетными, используя эксперименты в частной развертываемой сети алгорадов.
5.1 Сетевые эксперименты и анализ
В этом разделе представлены проведенные сетевые эксперименты, в первую очередь сосредотачиваясь на механизме упорядочения с транзакциями алгорада в соответствии с одновременными попытками транзакций со стороны конкурирующих организаций. В центральной гипотезе, направленной на эти эксперименты, рассматривается потенциал для конкурента обеспечить позицию транзакции в блоке, тем самым извлекая арбитражные возможности в другие. Арбитражный трейдер должен поместить свою транзакцию перед конкуренцией в блоке, поскольку последующие транзакции, которые конкурируют за одну и ту же возможность, вероятно, потерпят неудачу после извлечения возможности. Чтобы понять поведение сети на практике, мы проводим последовательность экспериментов в частной сети, которая помогает нам проверить поведение на Mainnet Algorand. Цели этих сетевых экспериментов в три раза:
Q1Как задержка и сборы за транзакцию влияют на упорядочение транзакций, когда две разные объекты конкурируют за предварительное выполнение транзакции?
Q2Как связь между реле и узлами участия с различными распределенными ставками влияет на упорядочение транзакции?
Q3Можно ли расставить приоритеты в транзакции, если у нас есть видимость в топологии сети, и если да, то как мы можем достичь этого?
Мы настроили частную сеть, похожую на алгоранд, чтобы ответить на эти вопросы вместо использования Testnet Algorand. Несмотря на то, что эксперименты на Testnet также были бы бесконечными, мы требуем большей видимости и контроля над распределением узлов участия и их доли, чем в Testnet.
Частная сеть обеспечивает детальный контроль над топологией, в которой мы можем вводить различные задержки, распространять ставки между узлами участия, как мы хотим, и масштабировать транзакции для эмуляции различных сетевых условий. Мы используем структуру Methoda [15], которая расширяет инструментальную оболочку двигателя [14]. Methoda также реализует блокчейн алгоран, что облегчает автоматизация процесса развертывания сети алгоранд в распределенной среде, относящейся к нашим сценариям. Кроме того, он поддерживает масштабируемые эксперименты с рядом узлов и может эмулировать задержки с использованием сетевого эмулятора (Netem) [16].
5.1.1 Дизайн эксперимента
Чтобы собрать понимание и ответить на определенные вопросы, мы разработали три сценария. Эти сценарии реализуются с использованием трех отдельных сетевых топологий, каждая из которых обозначена с использованием конкретных обозначений. Эти обозначения определены следующим образом:
5.1.2 Установка эксперимента
Каждый узел Algorand - Участник, непартийный и релевой узел развертывается с использованием комбинации нескольких физических машин и контейнеров Linux (LXC), взаимодействующих друг с другом. Каждый узел -одноранговый узел работает в собственном контейнере LXC, выделял рекомендуемые спецификации HW - 16 VCPU для реле и 8 VCPU для узлов участия. Контейнеры LXC работают на узле с 32Cores/64threads AMD EPYC 7543 с 512 ГБ DDR 5 ОЗУ. В зависимости от сценария, мы масштабируем дополнительные физические узлы, как только достигнем доступных ресурсов. Узлы взаимосвязаны с помощью переключателя 10 GBE. Следовательно, даже если задержка между контейнером и физической машиной отличается, она незначительна по сравнению с введением задержки по Netem. Мы провели наши эксперименты, используя версию протокола алгорадаABD3D4823C6F77349FC04C3AF7B1E99FE4DF699Fи go-algorand в выпуске 3.18.1. Во время каждого эксперимента мы создаем 500 блоков, соответствующих примерно 27,5 мин времени выполнения, и одновременно выпускаем транзакции из S1 и S2 в каждом блоке.
5.1.3 Анализ эксперимента
Чтобы выделить результаты из трех сценариев, мы отслеживаем, как часто метод уменьшения вызывается на узле NP1 с помощью S1, в то время как метод приращения одновременно вызывается на Node NP2 с помощью S2. Подробный анализ этих результатов приведен ниже, причем все результаты обобщены в таблице 1, подчеркивающие узел предложения, количество блоков, метод и частоту для соответствующего выполнения метода.
Сценарий 1ВСценарий яВМы наблюдаем последовательную схему приоритетов на протяжении всех 500 итераций. Вызов функции уменьшения, направленный на Node NP1 по S1, всегда достигает P1 сначала по вызову приращения, отправленного в Node NP2 с помощью S2. Примечательно, что это происходит, несмотря на то, что транзакция к NP2 была прикреплена с платой в десять раз, чем с транзакции в NP1. Этот результат отчетливо указывает на то, что более высокие сборы за транзакции неэффективны в сети FCFS Algorand для обеспечения приоритетов (если только стратегия перегрузки сети не будет принята, как описано в [20]). Кроме того, отсутствие дополнительной задержки между NP1 и реле R1 приводит к тому, что транзакции S1 постоянно предпочитают.
Сценарий 2Продолжая наблюдения в сценарии II, мы видим, что узел P1 выбирается в качестве предложения в 377 из 500 (75 %) итераций. Следовательно, мы подтверждаем, что частота отбора предложений положительно коррелирует с пакетом в сети (P1: 72 %). Кроме того, отмечается, что когда P1 служил предложением, вызов функции декремента последовательно расставляется с приоритетом. С другой стороны, когда P2 является предложением, вызов приращения получил приоритет, хотя и не каждый раз. Несмотря на то, что Node NP1 имеет выгодное позиционирование сети из -за его подключений со всеми реле, выбор P2 в качестве предложения позволяет Searcher S2, используя Node NP2, распространять свои транзакции перед S1. Это преимущество для S2 может быть связано с задержкой, существующей между NP1 и реле R3. Тем не менее, поскольку S1 преобладает в большинстве случаев, результаты указывают на важность связности узла с реле с более высокими утилизациями участников для достижения предыдущей позиции в блоке.
Сценарий 3Наконец,Сценарий IIIподтверждает, что наблюдаемая частота отбора предложений соответствует теоретическому отбору частоте отбора и ее доли в сети. Кроме того, из этого сценария появляются два критических наблюдения. Во -первых, в тех случаях, когда P1 и P2 выбираются в качестве предложений, существует тяжелый уклон в сторону приоритетов в вызове декремата S1. Это наблюдение подтверждает наши предыдущие выводы, подчеркивая задержку в качестве ключевого фактора, влияющего на порядок транзакции. Задержка между NP2 и реле R2 способствует отсроченной обработке вызова функции увеличения, отправленного NP2 от S2. Во -вторых, когда P3 и P4 выбираются в качестве предложений, данные указывают на почти равную вероятность того, что они предпочитают вызов любого искателя. Следовательно, этот сценарий предполагает, что, когда искатели использовали задержку узлов для реле, а соответствующие узлы участия с эквивалентными ставками аналогичны, они имеют одинаковую вероятность выполнения своей конкурирующей транзакции в первую очередь.
5.2 Результаты анализа сети
Сценарии, подражая критической динамике в сети блокчейнов, способствуют проверке поведения Алгорана в различных условиях и отвечают на изложенные вопросыQ1-Q3.Резюме ключевых выводов заключается в следующем:
• Плата за транзакцию не играет роль в определении приоритетов транзакции в алгорандном блокчейне, поскольку у предложений нет стимулов для перезаказа транзакций на основе сборов, прилагаемых, поскольку они не могут их держать.
• Задержка сети имеет решающее значение при заказе транзакций в блокчейнах FCFS. Для арбитражных трейдеров в алгоранде это подчеркивает важность минимизации задержки между их узлами транзакций и соответствующими узлами ретрансляции. Стратегическое позиционирование имеет решающее значение для повышения вероятности приоритета транзакций для конкурентов.
• Близость узела к высококлассному предложению значительно влияет на секвенирование транзакций. Арбитражные трейдеры, стремящиеся использовать рыночные возможности, должны расставить приоритеты в передаче своих транзакций в хорошо подключенные реле с несколькими высокими узлами. Такой подход увеличивает вероятность обработки их транзакций ранее, тем самым получая конкурентное преимущество в выполнении транзакций.
6 Заключение
Эта статья обеспечивает двухэтапный подход для поиска MEV на Algorand, блокчейне FCFS. Первоначально мы предлагаем алгоритм для обнаружения арбитража и оцениваем его эффективность, используя исторические данные о состоянии блока с учетом временных ограничений алгорада. Наши результаты показывают, что, хотя значительные обновления состояния между блоками нечасты, искатели MEV на алгораде, как правило, закрывают возможности арбитража в том же блоке, который они возникают. Следовательно, чтобы быть конкурентоспособным, обнаружение возможностей MEV должно происходить на уровне транзакции в мемпуле, а не на уровне состояния блока, как изначально пыталось. Мы также показываем влияние доступного алгоритма времени выполнения и стратегии выбора арбитража на обнаруженный доход.
Впоследствии мы проводим эксперименты в сети частных алгорадов для определения ключевых факторов при приоритетной транзакции в рамках FCFS. Наши результаты подчеркивают важность минимизации задержки, особенно в подключениях к реле с хорошо связанными связями с несколькими узлами с высокой стадией.
Заглядывая в будущее, мы планируем уточнить наш алгоритм обнаружения арбитража, рассмотрев более широкий набор пулов и применив его непосредственно на уровне сети. Кроме того, мы стремимся расширить наши сетевые эксперименты на Algorand Mainnet, чтобы изучить потенциальную корреляцию задержек между предложениями с высоким уровнем блоков и успешными поисковиками MEV. Это будущее исследование улучшит наше понимание динамики MEV в блокчейнах FCFS, таких как алгоранд.
Ссылки
[1] Дефиллама ,. URL https://defillama.com/chain/algorand.
[2] Либмев. URL https://libmev.com.
[3] Лучшие децентрализованные обмены ранжированы по объему. URL https://www.coingecko.com/en/ Обмен/децентрализованный.
[4] Крипто -документация API, 2023. URL https://www.coingecko.com/en/api/ Документация.
[5] Хейден Адамс. UNISWAP: протокол для автоматизированного обмена токенами на Ethereum, 2018. URL https://uniswap.org/whitepaper.pdf. Доступ: [Дата вашего доступа здесь].
[6] Гильермо Анжерис, Алекс Эванс, Тарун Читра и Стивен Бойд. Оптимальная маршрутизация для рынка постоянных функций. В материалах 23 -й конференции ACM по экономике и вычислениям, EC ’22, страницы 115–128, Нью -Йорк, Нью -Йорк, США, июль 2022 года. ISBN 978-1-4503-9150-4. doi: 10.1145/3490486.3538336. URL https://dl.acm.org/doi/10.1145/3490486.3538336.
[7] Facundo Carrillo и Elaine Hu. MEV в блокчанах с фиксированной ценой газа: Terra Classic как случай исследования, март 2023 г.. URL http://arxiv.org/abs/2303.04242. Arxiv: 2303.04242 [CS].
[8] Цзин Чен и Сильвио Микали. Algorand, 2017.
[9] Филипп Дайан, Стивен Голдфедер, Тайлер Келл, Юньки Ли, Сюююан Чжао, Иддо Бентов, Лоренц Брейденбах и Ари Джуэльс. Flash Boys 2.0: лидерство в децентрализованных биржах, извлечении майнера и нестабильности консенсуса. В 2020 году Симпозиум IEEE по безопасности и конфиденциальности (SP), страницы 910–927, 2020. DOI: 10.1109/SP40000.2020.00040.
[10] Йосси Гилад, Ротем Хемо, Сильвио Микали, Джорджиос Влачос и Николай Зельдович. Алгоранд: масштабирование византийских соглашений для криптовалют. В материалах 26 -го Симпозиума по принципам операционных систем, SOSP ’17, стр. 51–68, Нью -Йорк, Нью -Йорк, США, 2017. Ассоциация по вычислительной технике. ISBN 9781450350853. DOI: 10.1145/3132747.3132757. URL https: //doi.org/10.1145/3132747.3132757.
[11] Йосси Гилад, Ротем Хемо, Сильвио Микали, Джорджиос Влачос и Николай Зельдович. Алгоранд: масштабирование византийских соглашений для криптовалют. Криптология eprint Archive, Paper 2017/454, 2017. URL https://eprint.iacr.org/2017/454. https://eprint.iacr.org/2017/454.
[12] Роберт Маклафлин, Кристофер Кругель и Джованни Винья. Крупное исследование арбитражной экосистемы Ethereum. На 32 -м симпозиуме USENIX Security (USENIX Security 23), стр. 3295–3312, Анахайм, Калифорния, август 2023 г. Ассоциация USENIX. ISBN 978-1-939133-37-3. URL https://www.usenix.org/conference/usenixsecurity23/ presentation/mclaughlin.
[13] Кайхуа Цинь, Стефанос Чалиасос, Лии Чжоу, Бенджамин Лившитс, Рассвет Песня и Артур Жерве. Игра имитации блокчейна. В материалах 32 -й конференции USENIX по Симпозиуму по безопасности, SEC '23, США, 2023. Ассоциация USENIX. ISBN 978-1-939133-37-3.
[14] Филип Резабек, Марцин Боск, Томас Пол, Килиан Холзингер, Себастьян Галленмллер, Анжела Гонсалес, Абдул Кейн, Франческ Фонс, Чжан Хайганг, Георг Карл и др. Двигатель: Гибкая исследовательская инфраструктура для надежных и масштабируемых сетей, чувствительных к времени. Журнал управления сетью и систем, 30 (4): 74, 2022.
[15] Филип Резабек, Килиан Глас, Ричард фон Сек, Ахраф Аруа, Тизиан Леонхардт и Георг Карл. Многослойная среда и инструмент для целостного дизайна и анализа сети, 2023.
[16] Uniswap. Uniswap V3 Core, 2021. URL https://uniswap.org/whitepaper-v3.pdf. Доступ: [Дата вашего доступа здесь].
[17] Йе Ван, Ян Чен, Хаотиан Ву, Ли -Чжоу, Шуйгуан Денг и Роджер Уоттенхофер. Циклический арбитраж в децентрализованных обменах. В сопутствующих процессах веб -конференции 2022 года, www ’22, стр. 12–19, Нью -Йорк, Нью -Йорк, США, август 2022 года. ISBN 978-1-4503-9130-6. doi: 10.1145/34875553.3524201. URL https://doi.org/10.1145/3487553.3524201.
[18] Лии Чжоу, Кайхуа Цинь, Антуан Калли, Бенджамин Лившитс и Артур Жерве. На только что открытие сделок, полученных по прибылью в протоколах DEFI. В 2021 году Симпозиум IEEE по безопасности и конфиденциальности (SP), страницы 919–936, май 2021 г. DOI: 10.1109/SP40001.2021.00113. ISSN: 2375-1207.
[19] Лии Чжоу, Кайхуа Цинь, Кристоф Феррейра Торрес, Дак против ле, и Артур Жерве. Высокочастотная торговля на децентрализованных биржах на цепь. В 2021 году Симпозиум IEEE по безопасности и конфиденциальности (SP), стр. 428–445, 2021. DOI: 10.1109/sp40001.2021.00027.
[20] Бурак Оз, Филип Резабек, Джонас Гебеле, Феликс Хупс и Флориан Мэттес. Изучение методов извлечения MEV на блокчейне с первой коробкой, ноябрь, ноябрь 2023 г. url http: //arxiv.org/abs/2308.06513. Arxiv: 2308.06513 [CS] Версия: 2.
Авторы:
(1) Бурак Оз, технический университет Мюнхена;
(2) Джонас Гебеле, технический университет Мюнхена;
(3) Парсант Сингх, Технический университет Мюнхена;
(4) Филип Резабек, технический университет Мюнхена;
(5) Флориан Мэттес, Технический университет Мюнхена.
Эта статья есть
[16] https://man7.org/linux/man-pages/man8/tc-netem.8.html
Оригинал