Flashbots的MEV競拍是最優的嗎？_UND

由 Flashbots 開創的MEV競拍服務已受到了礦工們的歡迎，那么這種競拍是否是最優的呢？

注：原文作者是斯坦福大學電氣工程博士Guillermo Angeris，placeholder 研究員Alex Evans以及Gauntlet創始人Tarun Chitra。

在包（Bundle）分配問題中，礦工面臨著固定數量的交易，而他們要將這些交易包含在給定的區塊中，此外，礦工還可以選擇在該區塊中包含（或排除）哪些包（Bundle）。礦工通過將每個包（Bundle）包含在區塊中來賺取利潤，然而，包（Bundle）具有很多必須要考慮的分配約束。在這篇文章中，我們給出了一個簡單的整數線性規劃問題（ILP）公式，并提供了一些基本的擴展。

礦工可提取價值（MEV）這個術語，指的是礦工根據交易排序可獲得的任何超額利潤。在區塊鏈等去中心化系統中，用戶通過點對點的gossip網絡向礦工提交一組交易和費用。而礦工們會收集這些交易，并將它們分批成一個完全有序的序列，然后由大多數礦工驗證并接受作為下一個區塊。

然而，在很多區塊鏈中（例如以太坊），礦工可選擇要包含的交易集以及提交交易的順序。

如果一名礦工提交一筆具有經濟意義的交易，他們可以對交易重新排序以確保他們的交易首先執行，這也被稱為搶先交易（front running）。自從MEV這一概念被提出以來，已經出現了很多涉及閃電貸、借貸以及三明治攻擊的新型 MEV 形式。MEV代表了一種價值提取形式，而用戶無法通過簡單地修改其交易競價行為來消除它。

公平（Fairness）。從理論上講，MEV 可能導致區塊鏈共識不穩定，并可能迫使用戶在預期交易費用之外支付額外的費用來處理交易。這也引出了很多研究，而這些研究的重點是保證交易排序及包含方面的“公平性”。而公平算法嘗試使用密碼學方法，例如對交易排序或待處理交易狀態的時間鎖承諾（time-locked commitments），以強制基于時間的“公平”保證。

Flare Network上線，并向用戶空投42.8億個Flare代幣:1月10日消息，Layer 1 EVM區塊鏈Flare上線Flare Network于當地時間周一正式上線并向用戶空投了42.8億個Flare代幣flr，根據2020年12月快照，該快照捕獲了當時至少持有1個xrp的錢包。此次初始空投占項目總供應量的15%。

Flare在周一的公告中表示，剩余的85%將在未來三年內分配。此二次分階段分發將根據Flare網絡社區內的社區投票進行，此次空投的flr代幣持有者將能夠對二次分配的治理提案進行投票。據悉，Flare可充當一個預言機網絡，允許開發人員構建旨在與不同區塊鏈和互聯網平臺和服務互操作的應用程序。Flare還推出State Connector協議和Flare Time Series Oracle(FTSO)兩個項目提供相應支持。（Cointelegraph）[2023/1/10 11:03:44]

MEV競拍。或者，有一些研究工作表明，MEV是區塊鏈獨有的，它無法通過純粹的密碼學方式刪除。這一系列工作有效地表明，相比用密碼學方式刪除MEV，礦工和用戶共享MEV利潤將導致穩定的均衡。

在這個由 Flashbots 開創的世界中，“探索者”試圖找到交易的最佳順序，然后競標由礦工以特定順序執行的“包”交易。這種出價通過 MEV 拍賣進行調解——即參與者愿意在鏈下拍賣中向礦工支付額外的優先出價。因此，MEV競拍是更受歡迎的，并且這種方式在2021 年為礦工創造了超過 7 億美元的額外收入。

最優性（Optimality）。然而，一個自然要問的理論問題是，這種競拍是否是最優的呢？目前，Flashbots競拍通過使用約束求解器解決背包問題(Knapsack problem)來有效地執行交易包（bundle）。但是從理論上講，我們應該期望近似整數線性規劃 (ILP) 的解決方案是“最優”的嗎？應該如何描述最優性？由于 MEV 是根據所有資產的可提取價值來定義的，因此任何最優概念都取決于任何一組交易和包（bundle）可實現的最大利潤。

以太坊研究員：Flashbots正在審查Tornado Cash交易:金色財經報道，以太坊研究員發布了一份報告顯示，MEV運營商Flashbots正在審查來自Tornado Cash的所有交易，根據Wahrst?tter的說法，在The Merge之后使用Flashbots的中繼軟件（用于 MEV Boost）在以太坊上生成的所有 19,436 個以太坊區塊中，沒有一個區塊包含與Tornado Cash相關的交易。雖然Flashbots僅占以太坊區塊的23%，但合規以太坊區塊的實際百分比可能要高得多，這意味著至少23%的以太坊區塊符合美國財政部的制裁。[2022/9/28 5:59:13]

總結（Summary）。在這篇短論文中，我們給出了在單個區塊中包含交易包（bundle）的最優ILP的首個正式描述。我們的描述側重于 MEV 的三種操作形式，包括搶先交易（front running）、尾隨交易（back running）以及三明治交易（sandwiching）。我們假設在實踐中使用的精確gas模擬方法是作為預處理步驟執行的，它將分配問題（尋找最優包分配的問題）與正確估計單個包（bundle）利潤的問題解耦。我們的公式可以很容易地用高級描述語言（例如CVXPY）進行優化并在實踐中使用。

定義

在這節內容中，我們首先來描述一下這篇論文中使用的基本定義。

交易（Transaction）：礦工通常從一系列的交易開始，我們把這些交易寫成一些集合T（將包含在區塊中）。這些交易由區塊鏈的用戶提供，它們可以是Uniswap 或Curve的swap交易、借貸或預言機更新等交易。

MetaMask宣布推出以開發人員為中心的MetaMask發行版MetaMask Flask:1月19日消息，官方消息，MetaMask宣布推出MetaMask Flask：以開發人員為中心的MetaMask發行版，用于試驗其最前沿的功能。

Snaps是第一個通過Flask發布的功能，Snaps允許開發人員在運行時擴展MetaMask的功能，無需MetaMask參與。[2022/1/19 8:58:34]

包（Bundle）：礦工還接受許多由用戶提交的包（Bundle），所謂包（Bundle）是一個帶有關聯交易的操作（action，我們稍后定義），每個包（Bundle）還包括了一些出價，例如，用戶愿意支付多少錢才能將其包（Bundle）包含在區塊中。礦工可以決定區塊中包含哪些包（Bundle）以及交易。而礦工從包（Bundle）中獲得的利潤，等于區塊中包含的各個出價的總和。

操作（action）：從以前開始，每個包（Bundle）都將一個操作（action）與一筆交易（t ∈ T）相關聯。可能的操作（action）是：搶先交易t（在t之前執行一筆交易），尾隨交易（在 t 之后立即執行一筆交易），以及三明治交易（在t前后都執行一筆交易）。

對于給定的交易 t ∈ T，要么是進行三明治交易t，要么是進行搶先交易以及尾隨交易t。例如，如果有三個包（Bundle）與交易t關聯，其中一個在t之后進行尾隨交易，一個執行搶先交易，另一個執行三明治交易，那么礦工可以選擇包括搶先交易包（Bundle）和尾隨交易包（Bundle），或者是三明治交易包（Bundle），但不能同時包括這兩個類型。

機構級DeFi項目Flare Finance即將推出測試計劃:4月12日消息，基于Flare Network的機構級DeFi項目Flare Finance發推稱，即將開啟Flare Finance BETA Program（測試計劃），FlareMutual、FlareLoans、FlareMine也即將推出。[2021/4/12 20:10:23]

我們把這三個操作的空間稱為A。現在我們可以很容易地將包（Bundle）定義為與交易t ∈ T 相關聯的操作（a ∈ A），而它會有一個出價金額（ p > 0）。即包（Bundle）是一個三元組(a,t, p) ∈ A × T × R+，所有包（Bundle）的集合將由 B ? A × T × R+ 給出。

利潤最大化（Profit maximization）。剩下的問題是：礦工如何選擇哪些交易包含在他們的區塊中，以實現利潤最大化？在下一節中，我們將展示這一問題可表述為一個簡單的整數線性規劃問題（ILP），而其通常可通過現代計算機在合理的時間內解決。

我們將利潤最大化問題表述為整數線性規劃 (ILP)，我們將其稱為包（Bundle）分配問題。

設置函數。為方便起見，我們將編寫定義以下函數。這里，t ∈ T是一筆交易，而B是所有包（Bundle）的集合。

我們將s（t）定義為與三明治交易t關聯的包（Bundle）集合：

金融科技公司FlagOne推出交易所平臺幣數據平臺TokenClan:新加坡金融科技公司Flag One Pte Ltd（FlagOne.io）正式推出獨立的加密金融數據平臺TokenClan.io。該平臺使用代幣價值/交易所交易量（TVEV）比率對交易所平臺幣進行估值和比較。（WebWire）[2020/4/14]

類似地，f（t）是與t相關聯的搶先交易，b（t）是與t相關聯的尾隨交易。我們假設 B 由 b = 1, 2, ... 索引，其中 n 是提議的包（Bundle）的數量。

問題陳述：將包（Bundle）分配問題寫成整數線性規劃問題的一種簡單方法如下：

是優化變量，如果當前區塊中應包含包（Bundle）b，則xb為1，否則為0。問題數據是

，這是一個向量，使得 cb ≥ 0 是礦工在他們的區塊中包含包（Bundle）b所獲得的利潤，而T是要包含在此區塊中的交易集（不包括包（Bundle））。

標準形式。問題 (1) 可以用矩陣表示法寫得更簡潔一些。為此，我們將定義m = |T|，交易總數，以及矩陣

為：

對于每筆交易t∈ T和包（bundle）b ∈ B，使用這些新的定義，問題（1）可用以下方式編寫：

其中1是適當維度的全1向量，而

是優化變量。

解釋。我們可以將目標和約束解釋如下。目標

僅僅是包含在區塊中的包（bundle）給出的利潤總和。第一個約束意味著區塊中最多包含一個三明治包（bundle），或者區塊中最多包含兩個搶先交易或尾隨交易 t的包（bundle）。第二個約束意味著對于每筆交易t，最多包含一個搶先交易包（bundle），以及最多包含一個尾隨交易包（bundle），而最后一個約束是將x的條目約束為布爾值。

放寬松。一般來說，除了非常小的實例之外，問題 (1) 可能很難解決，因為x的條目有布爾約束。但是，在許多實際情況下，將布爾約束放寬為邊界約束（box constraint，即 0 ≤ x ≤ 1），經過一些簡單的舍入方案后，可以產生合理的實際性能以及合理的解決方案。一般來說，這個寬松問題的最佳目標，始終是礦工可能獲得的最大利潤的上限，而任何舍入方案都會給出一個下限。這可以用來給出所提議的包（bundle）分配的次優程度的一個界限。例如，如果放寬后的利潤為1.2 ETH，而擬議分配的利潤為1 ETH，則擬議分配的次優性最多為 1.2/1 ? 1 = 20%。換句話說，最多可將提議的分配提高20%。

問題（1）有幾個簡單但非常有用的擴展。

包（bundle）約束。例如，用戶可能希望指定幾個包（bundle），這些包（bundle）必須由礦工一次性全部包含，或者根本不包含。我們可以把它寫成包（bundle）Bi ? B的子集。對于 i = 1, 。. . , ?，如果Bi中包含任何一個包（bundle），則礦工必須包含包（bundle）Bi的整個子集。

新的優化問題由下面的公式給出：

其中優化變量是

，而問題數據是在(2) 中定義的矩陣

和矩陣

換句話說，D是一個對角矩陣，其對角條目是集合Bi的大小，而 F 是一個矩陣，使得 (Fx)i 給出了 Bi 中要包含在區塊中的包（bundle）的數量。約束Fx=Dy簡單地表示，對于每個可能的i，要么包含所有| Bi | 包（bundle），要么只包含0個包（bundle）。

gas限制。另一種可能（且非常簡單）的擴展，是在優化問題上包含總gas約束。例如，當包含在區塊中時，每個包（bundle）b ∈ B可能使用一些最大量的gas（由gb ≥ 0給出）。我們可以很容易地附加約束，即包（bundle）使用的最大 gas 總量不超過交易（但不包括 包（bundle））執行后剩余的 gas 量；即

，其中 M ≥ 0 是剩余的gas量。我們注意到，這可能是一個很難獲得合理限制的數量，因為當區塊中包含包（bundle）時，交易使用的gas可能會發生巨大變化。有其他可能的方法來進行計算，但我們不在這里討論它們。

在這篇論文中，我們提供了一個簡單但非常通用的公式，它可以用于解決礦工利潤最大化包（bundle）分配的問題。雖然該問題通常是NP問題，但我們懷疑大多數整數線性規劃求解器（甚至線性規劃松弛）在實際情況下可能有很好的表現。

Tags：UNDNDLBUNDBUNThunder BrawlEndless Web WorldsBUND價格CRAZYBUNNY價格

SHIB