Introducción

Las aplicaciones descentralizadas de hoy en día se enfrentan a limitaciones a la hora de realizar cálculos complejos en cadena debido a las capacidades de procesamiento restringidas de la cadena de bloques. Sin embargo, con el rápido desarrollo de tecnologías como los coprocesadores de blockchain, junto con la teoría de juegos y el diseño de mecanismos, surge una nueva ola de casos de uso para mejorar en gran medida la experiencia del usuario.

Este artículo explora el espacio de diseño de coprocesadores, con un enfoque en los posibles casos de uso que empoderan.

Aspectos clave:

• La computación en la cadena de bloques es costosa y limitada; una solución es trasladar la computación fuera de la cadena y verificar los resultados en la cadena a través de coprocesadores, lo que permite lógicas de dapp más complejas.
• Los coprocesadores se pueden clasificar en sin confianza (ZK), con confianza minimizada (MPC/TEE), optimistas y criptoeconómicos en función de sus supuestos de seguridad. Estas soluciones también podrían combinarse para lograr el equilibrio deseado entre seguridad y eficiencia.
• Los diferentes tipos de coprocesadores son adecuados para diferentes tareas en DeFi. Los posibles casos de uso cubren DEX (AMM y libro de órdenes), mercados monetarios, staking, retaking, etc.
• Con el auge de la IA descentralizada, junto con coprocesadores, estamos entrando en una nueva era de “DeFi inteligente”.

El papel de los coprocesadores

Blockchain es comúnmente visto como una máquina virtual (VM) de propósito general de la CPU que puede no ser ideal para cálculos pesados. Las tareas que implican análisis basados en datos y cálculos intensivos a menudo requieren soluciones fuera de la cadena. Por ejemplo, los intercambios de libros de órdenes como dydx v3 utilizan coincidencias fuera de la cadena y motores de riesgo que se ejecutan en servidores centralizados, con solo liquidaciones de fondos que tienen lugar en la cadena.

En informática, se introducen coprocesadores para ayudar a los procesadores a realizar tareas específicas, como lo indica el prefijo 'co-'. Por ejemplo, las GPU sirven como coprocesadores para las CPUs. Sobresalen en el manejo de cálculos paralelos requeridos para tareas como renderizado 3D y aprendizaje profundo. Esta disposición permite que la CPU principal se concentre en el procesamiento de propósito general. El modelo de coprocesador ha permitido a las computadoras manejar cargas de trabajo más complejas que no habrían sido factibles con una sola CPU de propósito general.

Al aprovechar coprocesadores y acceder a datos en cadena, las aplicaciones blockchain pueden potencialmente ofrecer funciones avanzadas y tomar decisiones informadas. Esto crea oportunidades para realizar cálculos adicionales, permitiendo el rendimiento de tareas más complejas y permitiendo que las aplicaciones se vuelvan más “inteligentes”.

Diferentes tipos de coprocesadores

Basándose en suposiciones de confianza, los coprocesadores podrían clasificarse principalmente en tres tipos diferentes: Zero-Knowledge (ZK), Optimista y Cryptoeconómico.

Los coprocesadores ZK, si se implementan correctamente, son teóricamente confiables. Realizan cálculos fuera de la cadena y envían pruebas a la cadena para su verificación. Si bien proporcionan velocidad, hay un compromiso en cuanto al costo de la prueba. A medida que el hardware personalizado avanza y la criptografía se desarrolla, el costo final transferido a los consumidores finales podría reducirse potencialmente a un nivel más aceptable.

Axioma y RISC ZeroLos bonsáis son ejemplos de coprocesadores ZK. Permiten que se ejecute fuera de la cadena una computación arbitraria con acceso al estado en cadena y proporcionan pruebas de que la computación se realizó.

Para proporcionar una comprensión más clara de cómo opera un coprocesador ZK típico, examinemos el flujo de RISC Zero Bonsai.

Las aplicaciones envían solicitudes de coprocesamiento a Bonsai Relay, que luego reenvía la solicitud de prueba al servicio de prueba de Bonsai. El RISC Zero zkVM ejecuta el programa y genera una prueba para validar la ejecución correcta del código, que puede ser verificada por cualquier persona. Posteriormente, Bonsai Relay publica la prueba en la cadena, y las aplicaciones reciben los resultados a través de una función de devolución de llamada.

Bonsái en Ethereum

Si bien el coprocesador ZK es un método para lograr cálculos verificables fuera de la cadena, alternativas como MPC y TEE ofrecen enfoques diferentes. MPC permite la computación colaborativa en datos sensibles, mientras que TEE proporciona enclaves seguros basados en hardware. Cada opción tiene sus propios compromisos entre seguridad y eficiencia. En este artículo, nos centraremos en los coprocesadores ZK.

Los coprocesadores optimistas ofrecen soluciones rentables, pero sufren de problemas de latencia significativos (normalmente semanas). Requieren que las partes honestas los desafíen efectivamente con pruebas de fraude dentro de la ventana desafiante. Por lo tanto, el tiempo para garantizar la seguridad se retrasa.

Los coprocesadores criptoeconómicos son coprocesadores optimistas con un bono económico lo suficientemente grande en la ejecución y un sistema de seguro en cadena que permite a otros asegurar compensación por cálculos erróneos. Este bono económico y seguro se pueden adquirir a través de proveedores de seguridad compartida como Eigenlayer. La ventaja es el arreglo instantáneo, pero el inconveniente es el costo de adquirir el seguro.

Características de varios tipos de coprocesadores

*Hay tiempos de generación de pruebas de menos de un segundo (admitidamente para pruebas pequeñas y optimizadas) y están mejorando rápidamente.

Diferentes tipos de coprocesadores muestran características distintas en cuanto a costo, latencia y seguridad. Combinar diferentes tipos de coprocesadores puede conducir a una experiencia de usuario optimizada. Un ejemplo destacado es Brevis. Inicialmente lanzado con un coprocesador zk, Brevis ahora ha revelado el Brevis coChain. Esta innovación combina la cripto-economía y ZKP dentro de un coprocesador ZK, lo que resulta en costos reducidos, latencia minimizada y una experiencia de usuario mejorada.

Los coprocesadores ZK puros, en su estado actual, aún presentan desafíos como altos costos de generación de pruebas y problemas de escalabilidad. Esto se debe a que las pruebas ZK para el acceso a datos y los resultados de computación siempre se generan por adelantado. Aprovechando la infraestructura de restaking de Eigenlayer, Brevis coChain permite a las dapps adaptar el nivel de seguridad cripto-económica que desean, otorgándoles una mayor flexibilidad para mejorar la experiencia del usuario. Aquí hay una explicación simplificada de cómo opera.

Brevis coChain primero generaría 'optimistamente' un resultado a la solicitud de coprocesamiento basado en el consenso de PoS. Luego, dos ventanas de desafío se inician, una es específica de la aplicación y configurable por los desarrolladores, y la otra es la ventana de penalización global de coChain más larga.

Flujo de trabajo Brevis coChain

Durante la ventana de desafío de la aplicación, los observadores pueden enviar un ZKP que contradiga los resultados de coprocesamiento. Los desafíos exitosos reducen la propuesta y recompensan al retador. Las propuestas fallidas llevan a la pérdida de la fianza del retador.

Si no hay desafíos, la aplicación considerará válidos los resultados. La ventana de reducción global de coChain está ahí para una seguridad mejorada. Incluso si una aplicación acepta un resultado defectuoso, siempre que la ventana de reducción de coChain esté abierta, los validadores malintencionados pueden ser reducidos y los resultados incorrectos pueden ser corregidos.

Dado que diferentes tipos de coprocesadores presentan costos, latencias y características de seguridad distintas, las aplicaciones deben evaluar sus requisitos para determinar el tipo de coprocesadores que necesitan. Si el cálculo implica tareas de alta seguridad, como el cálculo de saldos de validadores en la cadena Beacon en liquid staking donde se juegan miles de millones de dólares, los coprocesadores ZK son la elección más apropiada. Proporcionan máxima seguridad ya que los resultados pueden verificarse de forma confiable. Además, la latencia no es una preocupación en tales escenarios, lo que permite la generación de pruebas dentro de marcos de tiempo aceptables.

Para las tareas que son menos sensibles a la latencia y no involucran un valor financiero significativo, como mostrar métricas de logros en cadena en sus perfiles sociales, podría ser preferible un coprocesador optimista que ofrezca la menor computación fuera de la cadena.

Para otras tareas, los coprocesadores criptoeconómicos resultan más rentables cuando el seguro adquirido cubre el valor en riesgo. El análisis de los costos de los seguros debe hacerse caso por caso, fuertemente influenciado por el valor facilitado por la aplicación. Estas tareas a menudo implican diversos análisis y modelos de riesgo.

Otra forma de categorizar coprocesadores es por tipo de cálculo, con ejemplos como:

• RiscZero, Conciso y =nulo;para computación general,
• Ritual y Modulus para la IA,
• EspacioyTiempo para las operaciones de base de datos,
• MegaETHpara cálculos en EVM, y más.

El uso de coprocesadores en DeFi es un área emergente que tiene un gran potencial. A continuación, describiré ideas existentes e implementaciones sobre cómo los coprocesadores podrían ser utilizados en diversos sectores dentro de DeFi, incluidos DEX, mercados monetarios, participación, re-participación, etc.

DEX

Hay múltiples partes interesadas involucradas en un DEX. Estas incluyen traders, proveedores de liquidez, creadores de mercado, gestores de liquidez, solucionadores/llenadores y más. Los coprocesadores tienen el potencial de optimizar de manera eficiente tareas complejas con diferentes niveles de suposiciones de confianza, mejorando en última instancia la experiencia para estas partes interesadas.

Reducción de costos

En un AMM básico, una función importante es calcular los parámetros necesarios cuando los usuarios inician un intercambio. Estos parámetros incluyen la cantidad a intercambiar, la comisión y el precio después del intercambio. Un caso de uso directo para aprovechar la potencia computacional de los coprocesadores zk mientras se mantienen garantías de confianza es realizar una parte de la función de intercambio fuera de la cadena, y luego completar los pasos restantes en la cadena. Los zkAMMs son una variante de los Automated Market Makers (AMMs) que integran pruebas de conocimiento cero en el protocolo. Diego (@0xfuturistic) presenta una implementación de zkAMM (zkUniswap) basada en Uniswap v3 donde una parte del cálculo de intercambio AMM se descarga al zkVM Risc Zero. Un usuario inicia un intercambio haciendo una solicitud en cadena, los insumos del intercambio son recogidos por el retransmisor, y el cálculo se realiza fuera de la cadena. Luego, el retransmisor publica la salida y la prueba. El AMM verifica la prueba y liquida el intercambio.

Si bien el costo de computación sigue siendo comparable al de EVM en la etapa actual, es posible lograr una mayor eficiencia al paralelizar la computación de intercambios con caminos independientes gracias a la función de continuación de RiscZero. Esencialmente, la ejecución de intercambios se puede realizar de forma secuencial en cadena, pero los pasos reales de intercambio se pueden calcular en paralelo fuera de la cadena utilizando este enfoque. Esto permite la paralelización de la parte más pesada para lotes, lo cual no es posible de forma nativa en el EVM. El costo de verificación también podría amortizarse al agrupar múltiples transacciones juntas.

Los usuarios también tienen la opción de utilizar una capa alternativa de disponibilidad de datos para enviar solicitudes de intercambio. Otro enfoque es utilizar la firma EIP712 para la propagación fuera de la cadena, lo que puede reducir aún más los costos de intercambio.

Parámetros Dinámicos

Los coprocesadores también podrían utilizarse para controlar dinámicamente la tarifa de intercambio para un grupo de AMM. El concepto de una tarifa dinámica es aumentar la tasa de tarifa durante períodos de volatilidad del mercado y disminuirla durante condiciones de mercado más tranquilas. Esto sirve como un beneficio para los proveedores de liquidez pasiva, ya que consistentemente toman el lado desfavorable de las operaciones y experimentan fugas de valor a través de Pérdida versus reequilibrio (LVR). La implementación de tarifas dinámicas tiene como objetivo abordar este problema compensando adecuadamente a los LP.

Algunos AMM ya tienen esta característica. Por ejemplo, Ambientutiliza un oráculo externo que monitorea y toma instantáneas de diferentes pools de tarifas de Uniswap v3 cada 60 minutos para elegir el que mejor rendimiento tenga.

Para proporcionar una mayor visión sobre el ajuste de la tasa de comisión, se puede utilizar datos adicionales, tanto en cadena como fuera de ella. Esto incluye operaciones históricas realizadas en cadena para este pool AMM en particular o para el mismo par en diversos pools de liquidez (como la solución Ambient) o incluso pools en diferentes redes. Si se permiten ciertas suposiciones de confianza, también se podrían introducir datos fuera de cadena (por ejemplo, datos de operaciones CEX) de oráculos de buena reputación como Chainlink o Pyth.

La decisión sobre qué tipos de coprocesadores utilizar está influenciada por la frecuencia con la que se ajusta la tarifa. En los casos en que un grupo requiere cambios de tarifas dinámicas muy frecuentes, los coprocesadores criptoeconómicos pueden ser más adecuados. Esto se debe a que es probable que los costos de prueba superen los costos del seguro, que se pueden estimar como la diferencia en la tasa de tarifas multiplicada por el volumen promedio. En caso de cálculos erróneos, los LP pueden reclamar fácilmente su seguro facilitado por Eigenlayer para compensar su pérdida de honorarios.

Por otro lado, hay piscinas que prefieren cambios menos frecuentes en la tasa de comisión. Sin embargo, estas piscinas manejan volúmenes muy grandes, lo que puede aumentar el costo de la compra de seguros. En tales casos, los coprocesadores ZK son más adecuados ya que proporcionan la garantía más sólida.

Administrador de Liquidez Activa (ALM)

La provisión pasiva de liquidez puede ser una opción atractiva para los usuarios menos experimentados que desean ganar comisiones con su liquidez ociosa sin preocuparse demasiado por las desviaciones de precios. Sin embargo, algunos proveedores de liquidez (LP) son más susceptibles a las pérdidas causadas por las desviaciones de precios y los arbitrajes estadísticos. Anteriormente discutimos cómo ajustar las tarifas dinámicamente podría mitigar este problema. Pero, ¿por qué no ir un paso más allá y cambiar por completo la forma de la curva de liquidez? Se trata de un enfoque más sofisticado de la gestión de la liquidez conocido como gestores activos de liquidez (ALM).

Lamentablemente, la mayoría de las ALM existentes solo proporcionan estrategias básicas como el reequilibrio, que tienen un impacto limitado en el cobro de tarifas. Por otro lado, existen técnicas un poco más avanzadas, como la cobertura mediante mercados monetarios o derivados. Sin embargo, incurren en altos costos cuando se ejecutan con frecuencia en la cadena o se basan en la computación centralizada de caja negra fuera de la cadena.

Los coprocesadores tienen el potencial de abordar problemas de costos y confianza, lo que permite la adopción de estrategias avanzadas. Al integrarse con soluciones de vanguardia de aprendizaje automático de conocimiento cero (ZKML) como Modulus Labs y plataformas de IA descentralizadas como Ritual, los administradores de liquidez pueden aprovechar estrategias complejas basadas en datos comerciales históricos, correlaciones de precios, volatilidad, momentum y más, mientras disfrutan de las ventajas de la privacidad y la confianza.

Las estrategias de negociación de alta frecuencia requieren un cronometraje preciso y una ejecución rápida. Si bien las soluciones ZK no siempre cumplen con la velocidad necesaria, los coprocesadores criptoeconómicos sobresalen en esta área. Estos coprocesadores permiten que los algoritmos de IA se ejecuten rápidamente, con parámetros actualizados tan frecuentemente como lo permita el tiempo de bloque. Sin embargo, utilizar este enfoque conlleva costos de seguro. Estimar con precisión estos costos puede ser desafiante debido a riesgos potenciales como la mala gestión de fondos por parte de los gerentes o la participación en operaciones contrarias. El proceso de toma de decisiones implica equilibrar los rendimientos adicionales frente a los gastos de seguro, lo que en última instancia depende del volumen total que ocurra dentro del marco de tiempo medido del coprocesador. Escalar este proceso también puede resultar difícil según el capital disponible para acceder en un solo AVS y la capacidad para predecir el valor en riesgo en un momento dado.

Distribución de recompensas basada en métricas

Si bien cada transacción se registra en la cadena de bloques, los contratos inteligentes enfrentan desafíos para determinar las métricas que representan estas transacciones, como el volumen de transacciones, el número de interacciones, el TVL por unidad de tiempo, etc. Se podría sugerir el uso de soluciones de indexación como Dune Analytics, que proporcionan información valiosa. Sin embargo, confiar en la indexación fuera de la cadena introduce una capa adicional de confianza. Aquí es donde los coprocesadores emergen como una solución prometedora.

Una métrica en cadena particularmente valiosa es el volumen. Por ejemplo, el volumen acumulado dentro de un pool AMM específico asociado con una dirección particular dentro de ciertos bloques. Esta métrica es muy beneficiosa para DEX. Un caso de uso es permitir establecer diferentes niveles de comisión para los usuarios en función de su volumen de negociación. Este enfoque es similar a las tarifas dinámicas, pero en lugar de depender de datos generales, se centra en datos específicos de la dirección.

Brevisproporciona un ejemplo interesante donde la prueba de volumen podría combinarse con un reembolso de tarifa personalizado Uniswap hooks para ofrecer descuentos en las tarifas basados en el volumen similares a los traders VIP en los CEXes.

Específicamente, Uniswap v4 puede leer las transacciones históricas de un usuario en los últimos 30 días, analizar cada evento comercial con lógica personalizada y calcular el volumen de negociación con Brevis. El volumen de negociación y una Prueba ZK generada por Brevis luego se verifican de forma confiable en un contrato inteligente Uniswap v4 Hook, que determina y registra de forma asincrónica la categoría de tarifa VIP del usuario. Después de la verificación de la prueba, cualquier operación futura de un usuario elegible activará la función getFee() para simplemente buscar el registro VIP y reducir las tarifas de negociación correspondientemente para ellos.

El costo de obtener la certificación como "VIP" también es económico (alrededor de $ 2.5 según sus resultados de referencia de rendimiento). Los costos se pueden reducir aún más mediante la agregación de varios usuarios mediante soluciones como NEBRA. El único compromiso es la latencia, ya que tomó aproximadamente 400 segundos acceder y calcular 2600 transacciones en cadena de Uniswap. Sin embargo, esto es menos preocupante para las funciones que no son sensibles al tiempo.

Para abordar las preocupaciones de latencia, las dapps podrían aprovechar la coChain de Brevis. Los resultados se calculan y se entregan rápidamente a través de un mecanismo de consenso de PoS para minimizar retrasos. En caso de actividades maliciosas, se puede utilizar un ZKP durante la ventana de desafío para penalizar a los validadores corruptos.

Por ejemplo, en el escenario de tarifas VIP mencionado anteriormente, si más de ⅔ de los validadores de coChain asignan fraudulentamente un nivel VIP más alto a ciertos usuarios en una 'tabla de búsqueda de niveles VIP' vinculada al gancho de tarifas dinámicas, algunos usuarios podrían recibir descuentos de tarifas más grandes inicialmente. Sin embargo, cuando se presente una prueba ZK durante la ventana de reducción, demostrando que los niveles VIP son incorrectos, los validadores maliciosos enfrentarán penalizaciones. Los niveles VIP erróneos pueden corregirse habilitando la devolución de desafíos para actualizar la tabla de búsqueda de niveles VIP. Para escenarios más cautelosos, los desarrolladores pueden optar por implementar ventanas de desafío a nivel de aplicación extendidas, proporcionando una capa adicional de seguridad y adaptabilidad.

Minería de liquidez

La minería de liquidez es una forma de distribución de recompensas destinada a impulsar la liquidez. DEX podría obtener una comprensión más profunda del comportamiento de sus proveedores de liquidez a través de coprocesadores y distribuir adecuadamente las recompensas o incentivos de la minería de liquidez. Es importante reconocer que no todos los LP son iguales; Algunos actúan como mercenarios, mientras que otros siguen siendo creyentes leales a largo plazo.

El incentivo óptimo de liquidez debería evaluar retrospectivamente la dedicación de los LP, especialmente durante fluctuaciones significativas del mercado. Aquellos que consistentemente brinden apoyo al pool durante tales períodos deberían recibir las recompensas más altas.

Sistema de reputación Solver/Filler

En un futuro centrado en la intención del usuario, los solvers/fillers juegan un papel crucial al simplificar transacciones complejas y lograr resultados más rápidos, más económicos o mejores. Sin embargo, existe una crítica continua con respecto al proceso de selección de solvers. Las soluciones actuales incluyen:

• Un sistema sin permisos que utiliza subastas holandesas o escaladores de tarifas. Sin embargo, este enfoque enfrenta desafíos para garantizar un entorno de subasta competitivo y sin permisos, lo que podría resultar en problemas de latencia o incluso la no ejecución para los usuarios.
• Un sistema sin permisos requiere apostar tokens para participar, lo que crea una barrera financiera para la entrada y puede carecer de condiciones claras de penalización, o de aplicaciones transparentes y sin confianza.
• Alternativamente, se puede establecer una lista blanca de solucionadores en función de la reputación y la relación.

El camino por delante debe ser tanto sin permisos como sin confianza. Sin embargo, para lograr esto, es necesario establecer pautas para distinguir entre grandes solucionadores y aquellos que no lo son tanto. Al utilizar coprocesadores ZK, se pueden generar pruebas verificables para determinar si ciertos solucionadores cumplen o no con estas pautas. Con base en esta información, los solucionadores pueden estar sujetos a flujos de órdenes prioritarios, recortes, suspensión o incluso listas negras. Idealmente, los solucionadores mejores recibirían más flujos de órdenes, mientras que los peores recibirían menos. Es importante revisar y actualizar periódicamente estas calificaciones para evitar el enraizamiento y promover la competencia, dando a los recién llegados una oportunidad equitativa de participar.

Oráculo de precios resistente a la manipulación

Uniswap ya ha introducido oráculos integrados en sus versiones v2 y v3. Con el lanzamiento de la v4, Uniswap ha ampliado las posibilidades para los desarrolladores al introducir opciones de oráculos más avanzadas. Sin embargo, todavía existen limitaciones y restricciones cuando se trata de oráculos de precios en cadena.

En primer lugar, está la consideración del coste. Si un coprocesador calculado por un oráculo de precios puede ofrecer mejoras en el coste, podría servir como una alternativa más asequible. Cuanto más complejos sean los diseños del oráculo de precios, mayor será el potencial de ahorro de costes.

En segundo lugar, el grupo de oráculos de precios en cadena sigue siendo susceptible a la manipulación. Para abordar esto, es práctica común agregar precios de diferentes fuentes y realizar cálculos para crear un oráculo de precios más resistente a la manipulación. Los coprocesadores tienen la capacidad de recuperar operaciones históricas de varios grupos, incluso en diferentes protocolos, lo que permite la generación de un oráculo de precios resistente a la manipulación con costos competitivos para la integración con otros protocolos DeFi.

Datos de DIAestá trabajando en oráculos basados en ZK con O(1) Labsdel ecosistema Mina. El enfoque es similar: tomar datos de mercado y realizar cálculos más sofisticados fuera de la cadena, sin costos de gas y otras restricciones de ejecución, pero con la capacidad de verificar la integridad del cálculo, ya que el resultado se sirve en la cadena. Esto puede hacer factible complementar simples feeds de precios con otros datos de mercado como la profundidad, para ayudar a evaluar el impacto de la liquidación, así como metadatos para permitir a los protocolos personalizar su feed.

Sistemas de márgenes

Para superar las limitaciones computacionales de la tecnología blockchain, muchas plataformas de derivados suelen mover ciertos componentes, como sistemas de gestión de riesgos, fuera de la cadena.

@0x_emperory@0xkraneproponer un interesante caso de uso de coprocesadores donde la lógica de margen es transparente y verificable. En muchos intercambios, existen sistemas de gestión de riesgos para evitar un apalancamiento excesivo. Un ejemplo de ello es el Sistema de Desapalancamiento Automático (ADL), que asigna estratégicamente pérdidas a los operadores rentables para compensar las pérdidas experimentadas por los operadores liquidados. Básicamente, redistribuye las pérdidas entre los operadores rentables para cubrir las deudas impagas resultantes de estas liquidaciones.

Los usuarios pueden tener preguntas sobre el cierre forzoso de sus posiciones. Para abordar esto, el intercambio podría utilizar coprocesadores para ejecutar la lógica del motor de margen utilizando datos en cadena y generar pruebas para verificar la correcta computación. Dado que las ocurrencias de ADL son poco frecuentes, las preocupaciones sobre la latencia y los costos de prueba son mínimas. Sin embargo, el uso de coprocesadores Zk sin confianza y verificables mejora la transparencia y la integridad, lo cual es beneficioso para el intercambio y sus usuarios.

Mercado Monetario

Al aprovechar ideas de datos históricos en cadena, los coprocesadores tienen el potencial de mejorar la gestión de riesgos para LP y los protocolos de préstamos. Además, los protocolos pueden ofrecer una experiencia de usuario mejorada basada en análisis impulsados por datos.

Cuando Curve experimentó una explotación hace unos meses, la atención se centró en los mercados monetarios con millones de tokens CRV en riesgo de liquidación. Los prestamistas de Frax encontraron cierto consuelo en los agresivos aumentos de las tasas de interés del protocolo cuando la relación préstamo-valor (LTV) se volvió insalubre. Esto incentivó al fundador de Curve a reembolsar la deuda más rápidamente. Sin embargo, los interesados de AAVE expresaron preocupaciones e iniciaron discusiones sobre la reducción de la capacidad de garantía y la posibilidad de detener el mercado. Su temor estaba arraigado en la posibilidad de liquidez insuficiente para liquidaciones exitosas, lo que podría resultar en deudas malas y vulnerabilidad a las condiciones del mercado.

Afortunadamente, la crisis ha sido resuelta. Es importante revisar regularmente los activos listados en los mercados monetarios, con un enfoque particular en su liquidez en el mercado, especialmente durante eventos de liquidación. Los activos ilíquidos deben ser asignados a una ratio de préstamo-valor (LTV) más baja y capacidad de colateral.

Sin embargo, el proceso de toma de decisiones para cambios en los parámetros de riesgo en los mercados de dinero suele ser reactivo, como observamos en la situación de CRV. Necesitamos medidas más rápidas y proactivas, incluidas soluciones sin confianza. Se han mantenido discusiones sobre el uso deControles de retroalimentaciónajustar dinámicamente los parámetros en función de las métricas on-chain, como la utilización de liquidez, en lugar de depender de una curva predefinida. Un concepto intrigante implica un pool de préstamos que verifica la prueba de liquidez on-chain para un mercado específico. El controlador recibe la prueba calculada a partir de métricas on-chain por coprocesadores ZK, indicando cuándo un activo ya no es suficientemente líquido más allá de un cierto umbral. Con base en esta información, el controlador puede tomar diversas medidas, como ajustar las tasas de interés, establecer límites de LTV, suspender el mercado o incluso discontinuarlo por completo.

Estrategias más avanzadas podrían incluir ajustes periódicos en la capacidad de préstamo de garantías o en la curva de tasas de interés en función de la liquidez en cadena de la semana anterior. El umbral exacto se determinaría a través de discusiones dentro del DAO. Podría determinarse considerando factores como el volumen en cadena histórico, las reservas de tokens, el deslizamiento mínimo para un intercambio de suma global, y así sucesivamente.

Para prestamistas y prestatarios, los mercados monetarios pueden proporcionar servicios y experiencias mejorados, similares a los programas de reembolso de tarifas para traders VIP en DEXs. Existen soluciones de puntuación de crédito que buscan crear un perfil completo de los usuarios en cadena. El objetivo es incentivar buenos comportamientos, como una gestión de riesgos efectiva demostrada al evitar eventos de liquidación, mantener ratios LTV promedio saludables, realizar depósitos grandes y estables, y más. Se pueden otorgar recompensas sin confianza para estos comportamientos positivos, incluyendo tasas de interés mejores y más suaves en comparación con los usuarios promedio, ratios de LTV y liquidación máximos más altos, un tiempo de amortiguación para la liquidación, tarifas de liquidación más bajas, y más.

Staking & Restaking

Oráculo minimizado de confianza

Desde la fusión y la actualización de Shanghai/Shapella, el mercado de staking líquido se ha convertido en el mercado más grande en DeFi. Es notable que Lido ha acumulado más de $29 mil millones en TVL, mientras que Rocketpool tiene más de $3.6 mil millones en TVL.

Dado la cantidad sustancial de dinero involucrado, es importante tener en cuenta que los oráculos utilizados para informar información, como los saldos precisos de los validadores asociados en la cadena de señalización, todavía son confiables. Estos oráculos desempeñan un papel crucial en la distribución de recompensas a los validadores en la capa de ejecución.

Actualmente, Lido emplea un mecanismo de quórum 5-de-9 y mantiene una lista de miembros de confianza para protegerse contra actores maliciosos. De manera similar, Rocketpool opera con un Oracle DAO solo por invitación compuesto por operadores de nodos que son de confianza para actualizar la información de recompensa en los contratos inteligentes en la capa de ejecución.

Sin embargo, es esencial reconocer que si la mayoría de terceros de confianza fueran comprometidos, podría dañar significativamente a los titulares de tokens de participación líquida (LST) y a todo el ecosistema DeFi construido sobre LSTs. Para mitigar el riesgo de informes de oráculo erróneos/maliciosos, Lido tiene en su lugar una serie de controles de corduraque se implementan en el código de la capa de ejecución del protocolo.

Con la introducción de EIP-4788 "raíz de bloque de baliza en el EVM", se vuelve más fácil para los coprocesadores obtener acceso y calcular datos en la capa de consenso.= nill; Fundación, Succinty DendrETH están desarrollando su propio oráculo de TVL a prueba de ZK para Lido. Para garantizar la máxima seguridad, Lido podría utilizar una arquitectura de múltiples pruebas.

Tomando el diseño de =nil; como ejemplo, a un alto nivel, el oráculo obtiene información esencial de las capas de Consenso y Ejecución, como el Encabezado del Bloque Beacon, el Estado de Beacon, las direcciones de contrato de Lido, etc. Luego calcula un informe sobre el valor total bloqueado y los recuentos de validadores para todos los validadores de Lido. Estos datos, junto con información adicional necesaria, se pasan al productor de pruebas y se ejecutan en circuitos especializados para generar una prueba de ZK. El oráculo recupera la prueba y envía tanto la prueba como su informe al contrato inteligente para su verificación. Tenga en cuenta que estos diseños de oráculo todavía están en la etapa de pruebas y están sujetos a cambios.

Sin embargo, vale la pena señalar que siempre habrá algún tipo de datos que pueden no ser demostrables en el lado EL debido a la naturaleza limitada de lo que se envía a través de 4788 y que los oráculos aún pueden ser necesarios para este subconjunto de datos.

Además, los oráculos de prueba ZK minimizados de confianza todavía están en su infancia. El enfoque propuesto por los contribuyentes de Lido es utilizar la información proporcionada por los oráculos ZK como una "verificación de cordura" contra el trabajo realizado por los oráculos de confianza hasta que estas implementaciones de ZK puedan ser probadas en batalla. Sería demasiado arriesgado trasladar toda la confianza que actualmente está en el sistema de oráculos a los sistemas ZK en esta etapa.

Además, las pruebas para datos de este tamaño son muy pesadas computacionalmente (por ejemplo, pueden tardar incluso 30-45 minutos) y muy costosas, por lo que no son un reemplazo adecuado en la madurez actual de la tecnología para cosas como informes diarios o incluso intra diarios.

Análisis de Riesgo y Rendimiento del Validador

Los validadores juegan un papel crucial en el ecosistema de participación. Bloquean 32 ETH en la cadena de referencia y proporcionan servicios de validación. Si se comportan adecuadamente, reciben recompensas. Sin embargo, si se comportan mal, se enfrentan a recortes. Los validadores son gestionados por Operadores de Nodos que tienen diferentes perfiles de riesgo. Pueden ser curados (por ejemplo, el conjunto de validadores curados de Lido), vinculados (por ejemplo, Rocket pool, Lido’s CSM) o solo stakers. Pueden optar por ejecutar sus servicios en centros de datos en la nube o en casa, en regiones que sean amigables o no con la regulación de criptomonedas. Además, los validadores pueden utilizar la tecnología DVT para dividir nodos internos o unirse en clústeres para una mayor tolerancia a fallos. A medida que Eigenlayer y varios AVS (Actively Validated Services) surgen, los validadores podrían potencialmente ofrecer servicios adicionales más allá de la validación para Ethereum. Sin duda, el perfil de riesgo de los validadores será complejo, por lo que es esencial evaluar con precisión sus perfiles de riesgo. Con buenas analíticas de riesgo y rendimiento de validadores, se abren las puertas a posibilidades infinitas, incluyendo:

En primer lugar, la evaluación del riesgo desempeña un papel crucial en el establecimiento de un conjunto de validadores sin permisos. En el contexto de Lido, la introducción del Enrutador de Stake y el futuro EIP-7002 "Salidas desencadenables de la capa de ejecución" podrían allanar el camino para habilitar la unión y salida sin permisos de validadores. Los criterios para unirse o salir pueden determinarse en función del perfil de riesgo y el análisis de rendimiento derivado de las actividades de validación pasadas de un validador.

En segundo lugar, la selección de nodos en DVT. Para un validador en solitario, puede ser beneficioso elegir otros nodos para crear un clúster DVT. Esto puede ayudar a lograr tolerancia a fallos y aumentar los rendimientos. La selección de nodos puede estar basada en varios análisis. Además, la formación del clúster puede ser sin permisos, lo que permite que los nodos con un rendimiento histórico sólido se unan, mientras que los nodos con bajo rendimiento pueden ser eliminados.

Tercero, restakeo. Los protocolos de restakeo líquido permiten a los restakers participar en el mercado de restakeo de Eigenlayer. Estos protocolos no solo producen recibos líquidos llamados Tokens de Restakeo Líquido (LRT) sino que también buscan asegurar los mejores rendimientos ajustados al riesgo para los restakers. Por ejemplo, uno de Renzo’sLas estrategias implican la construcción de la cartera AVS con el Sharpe Ratio más alto mientras se adhiere a una pérdida máxima objetivo especificada, ajustando la tolerancia al riesgo y los pesos a través de DAO. A medida que se lanzan más proyectos de AVS, la importancia de optimizar el soporte para AVS específicos y seleccionar los operadores de AVS más adecuados se vuelve cada vez más crucial.

Hasta ahora, hemos enfatizado la importancia del riesgo del validador y el análisis del rendimiento, así como la amplia gama de casos de uso que permite. Sin embargo, la pregunta sigue siendo: ¿Cómo evaluamos con precisión el perfil de riesgo de los validadores? Una solución potencial está siendo desarrollada por Protocolo Ion.

Ion Protocol es una plataforma de préstamos que utiliza datos respaldados por validadores comprobables. Permite a los usuarios pedir prestado ETH contra sus posiciones apostadas y vuelto a apostar. Los parámetros del préstamo, incluidas las tasas de interés, los LTV y la salud de la posición, son determinados por datos de la capa de consenso y protegidos con sistemas de datos ZK.

Ion está colaborando con el equipo Succinct enPrecisiónun marco sin confianza para verificar el estado económico de los validadores en la capa de consenso de Ethereum. Esto tiene como objetivo crear un sistema verificable que evalúe con precisión el valor de los activos de garantía, mitigando cualquier riesgo potencial de manipulación o recortes. Una vez establecido, este sistema podría facilitar los procesos de originación de préstamos y liquidación.

Ion también está colaborando con Modulus Labs, aprovechando ZKML para el análisis sin confianza y la parametrización de los mercados de préstamos, incluidas las tasas de interés, los LTV y otros detalles del mercado para minimizar la exposición al riesgo en caso de incidentes de corte aberrantes.

Conclusión

DeFi es verdaderamente notable ya que revoluciona la forma en que se llevan a cabo las actividades financieras, eliminando la necesidad de intermediarios y reduciendo los riesgos de contraparte. Sin embargo, DeFi actualmente no logra proporcionar una gran experiencia de usuario. La emocionante noticia es que esto está al borde del cambio con la introducción de coprocesadores que potenciarán a los protocolos DeFi para ofrecer características basadas en datos, mejorar la experiencia del usuario y refinar la gestión de riesgos. Además, a medida que avanza la infraestructura descentralizada de IA, avanzamos hacia un futuro de DeFi Inteligente.

Descargo de responsabilidad：

1. Este artículo es reimpreso de [espejo], Todos los derechos de autor pertenecen al autor original [lukewasm.eth]. Si hay objeciones a esta reimpresión, por favor contacta al Gate Learnequipo y lo manejarán rápidamente.
2. Descargo de responsabilidad: Las opiniones expresadas en este artículo son únicamente las del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.