مقدمة

تواجه تطبيقات الديفي المركزية اليوم قيودًا في أداء الحسابات المعقدة على السلسلة التشفيرية بسبب القدرات المعالجة المقيدة للبلوكشين. ومع ذلك، مع التطور السريع لتقنيات مثل معالجات البلوكشين، بالاشتراك مع نظرية الألعاب وتصميم الآليات، تنشأ موجة جديدة من حالات الاستخدام لتحسين تجربة المستخدم بشكل كبير.

يستكشف هذا المقال مجال تصميم المعالجات المساعدة، مع التركيز على الحالات الاستخدام المحتملة التي يمكن أن تمكنها.

نقاط رئيسية:

• الحوسبة في سلسلة الكتل مكلفة ومحدودة؛ إحدى الحلول هي نقل الحوسبة خارج السلسلة والتحقق من النتائج في السلسلة من خلال معالجات مشتركة، مما يمكّن منطقيات تطبيقات العقود الذكية أكثر تعقيدًا.
• يمكن تصنيف معالجات الشراكة في (ZK) اللا يمكن الثقة، (MPC/TEE) الحد الأدنى للثقة، متفائلة، ومبنية على العملات الرقمية بناءً على افتراضات أمانها. يمكن أيضًا دمج هذه الحلول لتحقيق التوازن المطلوب بين الأمان والكفاءة.
• أنواع مختلفة من معالجات المساعدين مناسبة لمهام مختلفة في DeFi. حالات الاستخدام المحتملة تشمل DEX (AMM وسوق الطلبات)، أسواق الأموال، الرهن، إعادة الرهن، الخ.
• مع صعود الذكاء الاصطناعي اللامركزية ، جنبا إلى جنب مع المعالجات المشتركة ، ندخل حقبة جديدة من "ذكي DeFi”.

دور معالجات الإدراج

ينظر إلى Blockchain بشكل عام على أنه جهاز افتراضي لوحدة المعالجة المركزية للأغراض العامة (VM) قد لا يكون مثاليا للحسابات الثقيلة. غالبا ما تتطلب المهام التي تتضمن التحليل المستند إلى البيانات والحسابات المكثفة حلولا خارج السلسلة. على سبيل المثال ، تستخدم بورصات دفتر الطلبات مثل dydx v3 محركات مطابقة ومخاطر خارج السلسلة تعمل على خوادم مركزية ، مع إجراء تسويات الأموال فقط على السلسلة.

في الحوسبة ، يتم تقديم المعالجات المساعدة لمساعدة المعالجات في أداء مهام محددة ، كما هو موضح في البادئة "co-". على سبيل المثال ، تعمل وحدات معالجة الرسومات كمعالجات مشتركة لوحدات المعالجة المركزية. يتفوقون في التعامل مع الحسابات المتوازية المطلوبة لمهام مثل تقديم 3D والتعلم العميق. يسمح هذا الترتيب لوحدة المعالجة المركزية الأساسية بالتركيز على المعالجة للأغراض العامة. مكن نموذج المعالج المشترك أجهزة الكمبيوتر من التعامل مع أحمال العمل الأكثر تعقيدا التي لم تكن ممكنة مع وحدة معالجة مركزية واحدة متعددة الأغراض.

من خلال الاستفادة من المعالجات المشتركة والوصول إلى البيانات على السلسلة ، يمكن لتطبيقات blockchain توفير ميزات متقدمة واتخاذ قرارات مستنيرة. وهذا يخلق فرصا لإجراء حسابات إضافية ، مما يتيح أداء مهام أكثر تعقيدا ويسمح للتطبيقات بأن تصبح أكثر "ذكاء".

أنواع مختلفة من معالجات الدعم

بناء على افتراضات الثقة ، يمكن تصنيف المعالجات المشتركة إلى ثلاثة أنواع مختلفة بشكل أساسي - المعرفة الصفرية (ZK) ، والتفاؤل ، والاقتصاد المشفر.

تعتبر معالجات ZK، إذا تم تنفيذها بشكل صحيح، نظريًا خالية من الثقة. إنها تقوم بعمليات الحوسبة خارج السلسلة وتقدم البراهين على السلسلة للتحقق. بينما توفر السرعة، هناك تضحية من ناحية تكلفة الإثبات. مع تقدم الأجهزة المخصصة وتطور التشفير، يمكن أن تنخفض التكلفة النهائية المحولة إلى المستهلكين النهائيين إلى مستوى مقبول أكثر.

أكسيوموصفر ريسكبونساي هي أمثلة على معالجات ZK. تتيح للحساب التعسفي باستخدام الوصول إلى الحالة على السلسلة أن يتم تشغيله خارج السلسلة وتقديم الأدلة على أن التحسين تم تنفيذه.

لتوفير فهم أوضح لكيفية عمل المعالج المساعد ZK النموذجي ، دعنا نفحص سير عمل RISC Zero Bonsai.

تطبيقات ترسل طلبات المعالجة المشتركة إلى بونساي ريلي، الذي يقوم بتوجيه طلب الإثبات إلى خدمة إثبات بونساي. يقوم RISC Zero zkVM بتنفيذ البرنامج وإنشاء إثبات للتحقق من تنفيذ الكود بشكل صحيح، والذي يمكن التحقق منه من قبل أي شخص. بعد ذلك، يقوم بونساي ريلي بنشر الإثبات على السلسلة، وتتلقى التطبيقات النتائج من خلال وظيفة الرد التكميلي.

بونساي على إيثيريوم

بينما يعتبر معالج ZK أحد الطرق لتحقيق الحوسبة خارج السلسلة القابلة للتحقق، البدائل مثل MPC و TEEs تقدم نهجًا مختلفًا. يتيح MPC الحوسبة التعاونية على البيانات الحساسة، بينما توفر TEEs أكنافًا آمنة مستندة إلى الأجهزة. كل خيار يأتي مع مجموعة من التنازلات بين الأمان والكفاءة. في هذه المقالة، سنركز على معالجات ZK.

تقدم معالجات الشرطيين التفاؤلية حلولًا فعالة من حيث التكلفة، ولكنها تعاني من مشاكل كبيرة في التأخير (عادة ما تكون بضعة أسابيع). تتطلب من الأطراف الصادقة تحديها بشكل فعال بإثباتات الاحتيال خلال نافذة التحدي. لذلك، يتم تأخير الوقت المطلوب لضمانات الأمان.

المعالجات المشتركة ل Cryptoeconomic هي معالجات مشتركة متفائلة مع سند اقتصادي كبير بما يكفي عند التنفيذ ونظام تأمين على السلسلة يسمح للآخرين بتأمين تعويض عن الحساب الخاطئ. يمكن شراء هذا السند الاقتصادي والتأمين من خلال مزودي الأمن المشترك مثل Eigenlayer. الميزة هي التسوية الفورية ، ولكن الجانب السلبي هو تكلفة الحصول على التأمين.

خصائص أنواع المعالجات المساعدة المختلفة

هناك أوقات توليد البرهان أقل من ثانية هناك (على الرغم من كونها صغيرة، مُحسَّنة) وهي تتحسن بسرعة.

أنواع مختلفة من المعالجات المساعدة تظهر خصائص تكلفة، وقت استجابة، وأمان مميزة. يمكن أن يؤدي توحيد أنواع مختلفة من المعالجات المساعدة إلى تحقيق تجربة مستخدم محسنة. مثال بارز هو Brevis. تم إطلاقها في البداية مع معالج zk ، وقد كشفت الآن عنها Brevisبريفيس كوشين. تجمع هذه الابتكارات بين الاقتصاد الرقمي و ZKP داخل معالج ZK، مما يؤدي إلى تقليل التكاليف وتقليل التأخير وتعزيز تجربة المستخدم.

لا تزال معالجات ZK المساعدة Pure ، في حالتها الحالية ، تمثل تحديات مثل تكاليف التوليد العالية ومشكلات قابلية التوسع. وذلك لأن براهين ZK للوصول إلى البيانات ونتائج الحساب يتم إنشاؤها دائما مقدما. من خلال الاستفادة من البنية التحتية لاستعادة Eigenlayer ، تمكن Brevis coChain dapps من تخصيص مستوى الأمان الاقتصادي المشفر الذي يرغبون فيه ، مما يمنحهم مرونة أكبر لتعزيز تجربة المستخدم. فيما يلي شرح مبسط لكيفية عملها.

سيقوم Brevis coChain أولاً بتوليد نتيجة 'بشكل متفائل' لطلب التجزئة بناءً على اتفاق PoS. ثم، تبدأ نافذتان للتحدي، إحداهما تخص التطبيق وقابلة للتكوين من قبل المطورين، والأخرى تكون نافذة تقطيع global coChain الأطول.

تدفق السلسلة القصيرة

خلال فترة تحدي التطبيق، يمكن للمراقبين تقديم دليل تناقضي ZKP بنتائج التشغيل المشترك. يؤدي التحدي الناجح إلى تقليص العرض ومكافأة المتحدي. الاقتراحات الفاشلة تؤدي إلى ضمان الرهان الخاص بالمتحدي.

إذا لم تكن هناك تحديات ، فسيعتبر التطبيق النتائج صالحة. نافذة القطع coChain العالمية موجودة لتعزيز الأمان. حتى إذا قبل أحد التطبيقات نتيجة خاطئة ، طالما أن نافذة الشرطة المائلة coChain مفتوحة ، يمكن خفض المدققين الضارين ويمكن تصحيح النتائج غير الصحيحة.

نظرا لأن الأنواع المختلفة من المعالجات المشتركة تظهر خصائص مميزة للتكلفة والكمون والأمان، يجب على التطبيقات تقييم متطلباتها لتحديد نوع المعالجات المشتركة التي تحتاجها. إذا كان الحساب يتضمن مهام عالية الأمان ، مثل حساب أرصدة المدققين على سلسلة Beacon في التخزين السائل حيث تكون مليارات الدولارات على المحك ، فإن المعالجات المشتركة ZK هي الخيار الأنسب. أنها توفر أقصى قدر من الأمان حيث يمكن التحقق من النتائج دون ثقة. بالإضافة إلى ذلك ، لا يمثل الكمون مصدر قلق في مثل هذه السيناريوهات ، مما يسمح بتوليد البراهين ضمن أطر زمنية مقبولة.

بالنسبة للمهام التي لا تعتمد على الكفاءة الزمنية بشكل كبير ولا تنطوي على قيمة مالية كبيرة، مثل عرض مقاييس الإنجاز على السلسلة الرئيسية على ملفاتك الاجتماعية، قد يكون المعالج المشترك التفاؤلي الذي يقدم أدنى حساب خارجي هو الأفضل.

بالنسبة للمهام الأخرى، تثبت معالجات العملات الرقمية الاقتصادية مزيدًا من الكفاءة من حيث التكلفة عندما تغطي التأمينات المشتراة القيمة المعرضة للخطر. يجب إجراء تحليل لتكاليف التأمين على أساس حالة بحالة، متأثرًا بشكل كبير بالقيمة التي تيسرها التطبيق. تنطوي هذه المهام غالبًا على تحليلات متنوعة ونمذجة المخاطر.

طريقة أخرى لتصنيف معالجات الإرتباط هي حسب نوع الحساب، مع أمثلة مثل:

• ريسك زيرو, موجزو=nil; للحساب العام ،
• طقوسومودولوسللذكاء الاصطناعي،
• المكان والزمانلعمليات قاعدة البيانات،
• ميغا إيثلحسابات EVM، وأكثر.

استخدام معالجات الشراكة في DeFi هو مجال ناشئ يحمل إمكانيات كبيرة. فيما يلي، سأوضح الأفكار والتنفيذات الحالية حول كيفية استخدام معالجات الشراكة في مختلف القطاعات داخل DeFi بما في ذلك DEX وأسواق النقد، والرهن، وإعادة الرهن، وما إلى ذلك.

DEX

هناك أطراف متعددة مشاركة في DEX. وتشمل هذه الأطراف التجار ومزودي السيولة وصانعي السوق ومديري السيولة والحلول/الملئين، والمزيد. يمتلك معالجو الشراكة القدرة على تبسيط المهام المعقدة بكفاءة مع مستويات مختلفة من افتراضات الثقة، مما يعزز في نهاية المطاف تجربة هذه الأطراف المعنية.

تقليل التكلفة

في AMM الأساسي، وظيفة مهمة هي حساب المعلمات اللازمة عندما يبدء المستخدمون تبادلًا. تشمل هذه المعلمات المبلغ المراد تبادله داخل البنك وخارجه، والرسوم، والسعر بعد التبادل. حالة استخدام واضحة لاستغلال قوة الحوسبة لمعالجات zk-coprocessors بينما يتم الحفاظ على ضمانات الثقة هي أداء جزء من وظيفة التبادل خارج السلسلة، ثم استكمال الخطوات المتبقية على السلسلة. zkAMMs هي متغير من صانعي السوق التلقائيين (AMMs) الذين يدمجون دلائل الصفر المعرفة داخل البروتوكول. دييجو@0xfuturistic) يقدم تنفيذًا لـ zkAMM (zkUniswap) استنادًا إلى Uniswap v3 حيث يتم تحميل جزء من حساب تبادل AMM إلى Risc Zero zkVM. يبدأ المستخدم تبادلًا من خلال إجراء طلب على السلسلة، يتم التقاط مدخلات التبادل بواسطة الوسيط، ويتم تنفيذ الحساب خارج السلسلة. يقوم الوسيط بنشر الناتج والبرهان. يتحقق AMM من البرهان ويُسوّي التبادل.

في حين أن تكلفة الحساب لا تزال قابلة للمقارنة مع تكلفة EVM في المرحلة الحالية ، فمن الممكن تحقيق كفاءة أعلى من خلال موازاة حساب المقايضات مع المسارات المستقلة بفضل ميزة استمرار RiscZero. بشكل أساسي ، يمكن تنفيذ المقايضات بالتتابع على السلسلة ، ولكن يمكن حساب خطوات المبادلة الفعلية بالتوازي خارج السلسلة باستخدام هذا النهج. يتيح ذلك موازاة الجزء الأثقل للدفعات ، وهو أمر غير ممكن أصلا في EVM. ويمكن أيضا استهلاك تكلفة التحقق عن طريق تجميع معاملات متعددة معا.

لدى المستخدمين أيضًا خيار استخدام طبقة توافر بيانات بديلة لإرسال طلبات الاستبدال. نهج آخر هو استخدام توقيع EIP712 للانتشار خارج السلسلة، مما يمكن أن يقلل تكاليف الاستبدال بشكل أكبر.

المعلمات الديناميكية

يمكن أيضًا استخدام معالجات الدعم للتحكم ديناميكيًا في رسوم التبادل لبركة AMM. مفهوم الرسوم الديناميكية هو زيادة معدل الرسوم خلال فترات تقلب السوق وتقليله خلال ظروف السوق الأكثر هدوءًا. يعتبر هذا منفعة لمزودي السيولة السلبية، حيث يأخذون بشكل مستمر الجانب غير المربح للصفقات ويتعرضون لتسرب القيمة من خلال الخسارة مقابل إعادة التوازن (LVR). تهدف تنفيذ الرسوم الديناميكية إلى معالجة هذه المشكلة من خلال تعويض مزودي السيولة بشكل مناسب.

بعض AMMs لديها بالفعل هذه الميزة. على سبيل المثال، البيئي يستخدم أوراكل خارجي يراقب ويأخذ لقطات من تجمعات Uniswap v3 المختلفة من فئة الرسوم كل 60 دقيقة لاختيار الأفضل أداء.

لتوفير رؤى إضافية حول ضبط معدل الرسوم، يمكن استخدام بيانات إضافية، سواء على السلسلة أو خارجها. ويشمل ذلك الصفقات التاريخية التي تم إجراؤها على السلسلة لهذا البركة AMM معينة أو لنفس الزوج عبر مجموعات سيولة مختلفة (مثل حل Ambient) أو حتى مجموعات على شبكات مختلفة. إذا سمحت ببعض افتراضات الثقة، يمكن أيضًا إدخال بيانات خارج السلسلة (مثل بيانات تداول CEX) من البوابات الموثوقة مثل Chainlink أو Pyth.

يتأثر قرار استخدام أنواع معالجات الدعم بمدى تكرار تعديل الرسوم. في الحالات التي يتطلب فيها المجمع تغييرات رسوم ديناميكية متكررة جدًا، قد تكون معالجات العملات المشفرة الاقتصادية أكثر مناسبة. هذا لأن تكاليف الإثبات من المرجح أن تتجاوز تكاليف التأمين، والتي يمكن تقديرها كفارق في معدل الرسوم مضروباً بالحجم المتوسط. في حالة حدوث أي حسابات خاطئة، يمكن للمزودين السيولة المطالبة بتعويض تكاليف التأمين بسهولة بواسطة Eigenlayer لتعويض خسائرهم في الرسوم.

من ناحية أخرى، هناك برك تفضل تغييرات أقل تواترًا في أسعار الرسوم. ومع ذلك، تتعامل هذه البرك بأحجام كبيرة جدًا، مما قد يرفع تكلفة شراء التأمين. في مثل هذه الحالات، تكون وحدات معالجة ZK أكثر ملاءمة حيث توفر أقوى ضمان.

مدير السيولة النشط (ALM)

يمكن أن تكون توفير السيولة السلبية خيارًا جذابًا للمستخدمين غير المختبرين الذين يرغبون في كسب الرسوم من سيولتهم الخاملة دون القلق الزائد بشأن انحرافات الأسعار. ومع ذلك، يعتبر بعض موفري السيولة (LPs) أكثر عرضة للخسائر الناجمة عن انحرافات الأسعار والتحكم الإحصائي. تحدثنا سابقًا عن كيف يمكن لتعديل الرسوم بشكل ديناميكي التخفيف من هذه المشكلة. ولكن لماذا لا نذهب خطوة أبعد ونغير تمامًا شكل منحنى السيولة؟ هذا هو نهج أكثر تطورًا في إدارة السيولة المعروف باسم مديري السيولة النشطين (ALMs).

للأسف، تقدم معظم أنظمة سوق السيولة الآلية الحالية استراتيجيات أساسية فقط مثل إعادة التوازن، التي تكون لها تأثير محدود على جمع الرسوم. من ناحية أخرى، تتوفر تقنيات متقدمة قليلاً مثل التحوط باستخدام أسواق النقد أو المشتقات. ومع ذلك، إما أن تتكبد تكاليفًا عالية عند التنفيذ بتردد على السلسلة أو تعتمد على حوسبة خارج السلسلة المركزية.

يمتلك معالجو الإشراف القدرة على التصدي لمشاكل التكلفة والثقة، مما يمكن من اعتماد استراتيجيات متقدمة. من خلال دمجها مع حلول التعلم الآلي الحديثة القائمة على الصفر المعرفة (ZKML) مثل Modulus Labsومنصات الذكاء الاصطناعي غير المركزية مثل شَعِيرَة, يمكن لمديري السيولة الاستفادة من استراتيجيات معقدة استنادًا إلى بيانات التداول التاريخية وترابط الأسعار والتقلبات والزخم وغيرها بينما يستمتعون بمزايا الخصوصية وعدم الثقة.

استراتيجيات التداول عالية التردد تتطلب توقيت دقيق وتنفيذ سريع. بينما قد لا تلبي حلول ZK السرعة الضرورية دائمًا، تتفوق المعالجات المشتركة العملية في هذا المجال. تسمح هذه المعالجات المشتركة للخوارزميات الذكية بالتنفيذ بسرعة، مع تحديث المعلمات بقدر ما يسمح به وقت الكتلة. ومع ذلك، استخدام هذا النهج يأتي مع تكاليف تأمين. قد تكون تقدير هذه التكاليف بدقة أمرًا صعبًا بسبب المخاطر المحتملة مثل سوء إدارة الأموال من قبل المديرين أو القيام بالصفقات المضادة. يتضمن عملية اتخاذ القرار تحقيق توازن بين العوائد الإضافية ونفقات التأمين، والتي تعتمد في النهاية على إجمالي الحجم الذي يحدث خلال الفترة الزمنية المقاسة للمعالج المشترك. قد يكون توسيع هذه العملية أيضًا صعبًا بناءً على رأس المال المتاح للوصول في AVS والقدرة على توقع قيمة المخاطر في أي لحظة معينة.

توزيع المكافآت القائم على المقاييس

بينما يتم تسجيل كل صفقة على سلسلة الكتل، تواجه العقود الذكية تحديات في تحديد المقاييس التي تمثل هذه الصفقات، مثل حجم الصفقات، عدد التفاعلات، TVL لكل وحدة زمنية، إلخ. قد يقترح البعض استخدام حلول الفهرسة مثل Dune Analytics، التي توفر معلومات قيمة. ومع ذلك، الاعتماد على حلول الفهرسة خارج السلسلة يقدم طبقة إضافية من الثقة. هنا تظهر المعالجات المتوازية كحلا واعداً.

إحدى المقاييس القيمة بشكل خاص على السلسلة هي حجم التداول. على سبيل المثال، الحجم المتراكم ضمن بركة AMM معينة مرتبطة بعنوان معين ضمن بلوكات معينة. هذه المقياس مفيدة جدًا لـ DEX. حالة الاستخدام الواحدة هي السماح بتعيين طبقات رسوم مختلفة للمستخدمين بناءً على حجم تداولهم. هذا النهج مشابه للرسوم الديناميكية، ولكن بدلاً من الاعتماد على البيانات العامة، ينظر إلى البيانات الخاصة بالعنوان.

Brevisيوفر مثالًا مثيرًا حيث يمكن دمج إثبات الحجم مع رسوم مخصصة وخطافات Uniswap لتقديم خصومات على الرسوم استنادًا إلى الحجم مماثلة للتجار النشطين على CEXes.

على وجه التحديد، يمكن لـ Uniswap v4 قراءة معاملات المستخدم التاريخية في الـ 30 يومًا الماضية، وتحليل كل حدث تداول بمنطق مخصص، وحساب حجم التداول مع Brevis. ثم يتم التحقق من حجم التداول وبرهان ZK الذي تم إنشاؤه بواسطة Brevis بشكل موثوق في عقد ذكي لـ Uniswap v4 Hook، الذي يحدد ويسجل فئة رسوم العضوية للمستخدم بشكل غير موجود بالثقة. بعد التحقق من البرهان، ستؤدي أي معاملات مستقبلية لمستخدم مؤهل إلى تشغيل وظيفة getFee() للبحث ببساطة عن سجل العضوية وتقليل الرسوم التجارية وفقًا لها.

تكلفة الحصول على شهادة "VIP" أيضًا غير مكلفة (حوالي 2.5 دولار بناءً على نتائج مؤشر أدائه). يمكن تقليل التكاليف بشكل أكبر عن طريق تجميع مستخدمين متعددين باستخدام حلول مثل NEBRA. المقايضة الوحيدة هي زمن الوصول ، حيث استغرق الأمر حوالي 400 ثانية للوصول إلى 2600 معاملة Uniswap على السلسلة وحسابها. ومع ذلك ، فإن هذا أقل إثارة للقلق بالنسبة للميزات غير الحساسة للوقت.

لمعالجة مخاوف التأخير، يمكن لتطبيقات الويب اللامركزية الاستفادة من coChain لبريفيس. يتم حساب النتائج بسرعة وتسليمها من خلال آلية توافق دليل الحالة لتقليل التأخير. في حالة الأنشطة الخبيثة، يمكن استخدام ZKP خلال نافذة التحدي لتغريم المحققين الخارقين.

على سبيل المثال ، في سيناريو رسوم VIP المذكور سابقا ، إذا قام أكثر من 2/3 من مدققي coChain بتعيين مستوى VIP أعلى بشكل مخادع لبعض المستخدمين في "جدول بحث فئة VIP" المرتبط بخطاف الرسوم الديناميكي ، فقد يتلقى بعض المستخدمين في البداية خصومات أكبر على الرسوم. ومع ذلك ، عندما يتم تقديم دليل ZK أثناء نافذة القطع ، مما يدل على أن مستويات VIP غير صحيحة ، سيواجه المدققون الضارون عقوبات. يمكن بعد ذلك تصحيح مستويات VIP الخاطئة عن طريق تمكين رد اتصال التحدي لتحديث جدول البحث عن فئة VIP. للحصول على سيناريوهات أكثر حذرا، يمكن للمطورين اختيار تنفيذ نوافذ تحدي موسعة على مستوى التطبيق، مما يوفر طبقة إضافية من الأمان والقدرة على التكيف.

تعدين السيولة

تعدين السيولة هو شكل من أشكال توزيع المكافآت يهدف إلى تمهيد السيولة. يمكن ل DEX اكتساب فهم أعمق لسلوك مزودي السيولة من خلال المعالجات المشتركة وتوزيع مكافآت أو حوافز تعدين السيولة بشكل مناسب. من المهم أن ندرك أنه ليست كل LPs متشابهة. يعمل البعض كمرتزقة بينما يظل البعض الآخر مؤمنين مخلصين على المدى الطويل.

يجب أن تقوم الحافز السيولي المثلى بتقييم تفاني مزودي السيولة بصورة استباقية، وخاصة خلال تقلبات السوق الكبيرة. يجب أن يتلقى الذين يوفرون الدعم باستمرار للبركة خلال هذه الفترات أعلى مكافآت.

نظام سمعة المحلل/الملء

في مستقبل يركز على نية المستخدم، يلعب الحلول/الملئون دوراً حاسماً من خلال تبسيط المعاملات المعقدة وتحقيق نتائج أسرع أو أرخص أو أفضل. ومع ذلك، هناك انتقادات مستمرة بخصوص عملية اختيار الحلول. الحلول الحالية تشمل:

• نظام لا يتطلب إذن يستخدم مزادات هولندية أو منظمات رسوم. ومع ذلك، يواجه هذا النهج تحديات في ضمان بيئة مزاد تنافسية ولا تتطلب إذن، مما قد يؤدي بالنهاية إلى مشاكل في التأخير أو حتى عدم التنفيذ للمستخدمين.
• يتطلب النظام الذي يعتمد على عدم الحاجة للإذن رهن الرهان بالرموز التي يمكن المشاركة بها، مما يخلق حاجزًا ماليًا للدخول وقد يفتقر إلى شروط واضحة للتخفيف/العقوبة، أو تنفيذ شفاف ولا يتسامن.
• بالإمكان أيضًا إنشاء قائمة بيضاء لحلول الألغاز بناءً على السمعة والعلاقة.

يجب أن يكون الطريق إلى الأمام بلا إذن وبدون ثقة. ومع ذلك ، من أجل تحقيق ذلك ، من الضروري وضع مبادئ توجيهية للتمييز بين الحلول العظيمة وتلك التي ليست كبيرة. من خلال استخدام المعالجات المشتركة ZK ، يمكن إنشاء براهين يمكن التحقق منها لتحديد ما إذا كان بعض المحللين يستوفون أو يفشلون في تلبية هذه الإرشادات. بناء على هذه المعلومات ، يمكن أن يخضع المحللون لتدفقات أوامر الأولوية أو القطع أو التعليق أو حتى القائمة السوداء. من الناحية المثالية ، سيحصل المحللون الأفضل على المزيد من تدفقات الطلبات بينما سيحصل المحللون الأسوأ على عدد أقل. من المهم مراجعة هذه التصنيفات وتحديثها بشكل دوري لمنع الترسيخ وتعزيز المنافسة ، مما يمنح الوافدين الجدد فرصة متساوية للمشاركة.

محدد الأسعار المقاوم للتلاعب

قدمت Uniswap بالفعل أوراكل مضمنة في إصداراتها v2 و v3. مع إصدار الإصدار 4 ، وسعت Uniswap الإمكانيات للمطورين من خلال تقديم خيارات أوراكل أكثر تقدما. ومع ذلك ، لا تزال هناك قيود وقيود عندما يتعلق الأمر بأوراكل الأسعار على السلسلة.

أولاً، هناك مراعاة للتكلفة. إذا كان بمكن معالج الشرطة يمكن أن يقدم محسنات تكلفة، فيمكن أن يكون بديلاً أكثر تكلفة. كلما زاد تعقيد تصاميم بوابة الأسعار، زادت الإمكانات لتوفير التكاليف.

ثانيًا، يظل بركة بوابة البيانات عرضة للاستيلاء. لمعالجة هذا، من الممارسات الشائعة تجميع الأسعار من مصادر مختلفة وإجراء حسابات لإنشاء بركة بوابة للأسعار أقل عرضة للاستيلاء. للمعالجة لديهم القدرة على استرجاع التداولات التاريخية من مجموعة متنوعة من البرك، حتى عبر بروتوكولات مختلفة، مما يتيح إنشاء بركة بوابة للأسعار أقل عرضة للاستيلاء بتكاليف تنافسية للتكامل مع بروتوكولات DeFi أخرى.

بيانات DIAيعمل على بوابات البوابات المستندة إلى ZK معO(1) Labsمن نظام Mina. النهج مماثل - أخذ بيانات السوق وإجراء حسابات أكثر تعقيدًا خارج السلسلة، بدون تكاليف الغاز وقيود التنفيذ الأخرى، ولكن مع القدرة على التحقق من سلامة الحساب حيث يتم تقديم النتيجة في السلسلة. يمكن أن يجعل هذا من الممكن تكملة التغذية البسيطة ببيانات السوق الأخرى مثل العمق، للمساعدة في تقييم تأثير التصفية، بالإضافة إلى البيانات الوصفية لتمكين البروتوكولات من تخصيص تغذيتها.

أنظمة الهامش

للتغلب على القيود الحسابية لتقنية blockchain ، تقوم العديد من منصات المشتقات في كثير من الأحيان بنقل مكونات معينة ، مثل أنظمة إدارة المخاطر ، خارج السلسلة.

@0x_emperorو@0xkraneاقتراح حالة استخدام مثيرة للإعجاب لمعالجات الدعم حيث تكون منطق التأمين واضح وقابل للتحقق. في العديد من البورصات، تكون أنظمة إدارة المخاطر موجودة لمنع الرافعة المالية الزائدة. أحد الأمثلة على ذلك هو نظام إزالة الرافعة التلقائي (ADL)، الذي يخصص بشكل استراتيجي الخسائر للتجار الرابحين لتعويض الخسائر التي يتعرض لها التجار المسالمون. في الأساس، يعيد توزيع الخسائر بين التجار الرابحين لتغطية الديون الغير المدفوعة ناتجة عن هذه التسويات.

قد يكون لدى المستخدمين أسئلة بشأن إغلاق مواقعهم بالقوة. لمعالجة هذا، يمكن للصرف استخدام معالجات مشتركة لتنفيذ منطق محرك الهامش باستخدام بيانات سلسلة الكتل وإنشاء دلائل للتحقق من الحساب الصحيح. نظرًا لندرة حدوث ADL، فإن القلق بشأن التأخير وتكاليف الإثبات ضئيل. ومع ذلك، فإن استخدام معالجات Zk الغير قابلة للثقة والتحقق يعزز الشفافية والنزاهة، مما يعود بالفائدة على الصرف ومستخدميه.

سوق النقود

من خلال الاستفادة من البيانات التاريخية على السلسلة، يمكن لمعالجات الصورة أن تعزز إدارة المخاطر للمزودي السيولة وبروتوكولات الإقراض. بالإضافة إلى ذلك، يمكن للبروتوكولات تقديم تجربة مستخدم محسنة استنادًا إلى تحليلات البيانات.

عندما تعرضت Curve للاستغلال قبل بضعة أشهر، تحول الاهتمام إلى أسواق الأموال التي تواجه خطر تصفية الملايين من رموز CRV. وجد مقرضو Frax بعض الراحة في زيادات أسعار الفائدة العدوانية للبروتوكول عندما أصبح نسبة القرض إلى القيمة (LTV) غير صحية. وقد حفز ذلك مؤسس Curve على سداد الديون بشكل أسرع. ومع ذلك، أعرب أصحاب المصلحة في AAVE عن مخاوفهم وبدأوا في مناقشات حول تقليل قدرة الضمان وإيقاف السوق بشكل محتمل. كان خوفهم متجذرًا في احتمال عدم توفر السيولة الكافية لتصفية ناجحة، مما يمكن أن يؤدي إلى ديون سيئة وتعرض لظروف السوق.

ومن حسن الحظ أن الأزمة قد حلت. من المهم مراجعة الأصول المدرجة في أسواق المال بانتظام ، مع التركيز بشكل خاص على سيولتها في السوق ، خاصة أثناء أحداث التصفية. يجب تخصيص نسبة أقل للقرض إلى القيمة (LTV) للأصول غير السائلة وقدرة ضمان.

ومع ذلك، يكون عملية اتخاذ القرار بشأن تغييرات معلمات المخاطر في أسواق الأموال غالبًا ما تكون رد فعلية، كما لاحظنا في حالة CRV. نحتاج إلى المزيد من التدابير الفورية والاحترافية، بما في ذلك الحلول الخالية من الثقة. لقد تمت مناقشات بشأن استخدام ضوابط التغذية الراجعةلضبط المعلمات بشكل ديناميكي بناءً على مقاييس السلاسل الفعلية ، مثل استخدام السيولة ، بدلاً من الاعتماد على منحنى محدد مسبقًا. أحد المفاهيم المثيرة تتضمن حوض إقراض يتحقق من دليل السيولة على السلسلة الفعلية لسوق محدد. يتلقى المتحكم دليل يتم حسابه من مقاييس السلسلة الفعلية بواسطة معالجات ZK ، مشيرًا إلى أن الأصل لم يعد سيولًا بما فيه الكفاية وراء عتبة معينة. استنادًا إلى هذه المعلومات ، يمكن للمتحكم اتخاذ تدابير مختلفة ، مثل ضبط أسعار الفائدة ، وضع حدود LTV ، تعليق السوق ، أو حتى إيقافها تمامًا.

يمكن أن تتضمن الاستراتيجيات المتقدمة تعديل سعة الاقتراض الضماني بشكل دوري أو منحنى أسعار الفائدة بناءً على سيولة سلسلة الكتل في الأسبوع السابق. سيتم تحديد الحد الدقيق من خلال المناقشات داخل DAO. يمكن تحديده من خلال النظر في عوامل مثل حجم السلسلة التاريخية على السلسلة، واحتياطيات الرموز، وحد الانزلاق الأدنى لتبادل مبلغ واحد فيما يتعلق بالتبادل، إلخ.

بالنسبة للمقرضين والمقترضين ، يمكن لأسواق المال تقديم خدمات وتجارب محسنة ، على غرار برامج خصم الرسوم للمتداولين المهمين في DEXs. هناك حلول حالية لدرجة الائتمان تهدف إلى إنشاء ملف تعريف شامل للمستخدمين على السلسلة. الهدف هو تحفيز السلوكيات الجيدة ، مثل الإدارة الفعالة للمخاطر التي تظهر من خلال تجنب أحداث التصفية ، والحفاظ على متوسط نسب LTV صحية ، وتحقيق ودائع كبيرة مستقرة ، وأكثر من ذلك. يمكن منح مكافآت غير موثوقة لهذه السلوكيات الإيجابية ، بما في ذلك أسعار فائدة أفضل وأكثر سلاسة مقارنة بالمستخدمين العاديين ، وارتفاع الحد الأقصى لنسب LTV والتصفية ، ووقت التخزين المؤقت للتصفية ، وانخفاض رسوم التصفية ، والمزيد.

الرهان وإعادة الرهان

البوابة المصغرة للثقة

منذ الاندماج وترقية شنغهاي/شابيلا، أصبح سوق الرهن السائل أكبر سوق في DeFi. يجدر بالذكر أن ليدو قد جمعت أكثر من 29 مليار دولار من قيمة الرهن، بينما تمتلك روكتبول أكثر من 3.6 مليار دولار من قيمة الرهن.

نظرًا للمبلغ الكبير المتورط، من المهم أن نلاحظ أن الآلهة المستخدمة للإبلاغ عن المعلومات، مثل الأرصدة الدقيقة للمحققين المرتبطين على سلسلة البيانات، لا تزال موثوقة. تلعب هذه الآلهة دورًا حاسمًا في توزيع المكافآت على الحوامل على طبقة التنفيذ.

حالياً، يوظف ليدو آلية النصاب 5 من 9 ويحتفظ بقائمة من الأعضاء الموثوق بهم لحماية ضد الجهات الخبيثة. بالمثل، تعمل روكيت بول بمنظمة داو للأوراق المدعوة تتكون من مشغلي العقد الذين يعتمد عليهم تحديث معلومات المكافأة في العقود الذكية على طبقة التنفيذ.

مع ذلك، من الضروري الاعتراف بأنه في حال تعرض غالبية الأطراف الثالثة الموثوقة للاختراق، يمكن أن يلحق الضرر بشكل كبير بحاملي رموز الرهان السائلة (LST) وبكامل بيئة DeFi التي تم بناؤها على LSTs. من أجل التخفيف من مخاطر التقارير الخاطئة/الخبيثة الخاصة بأوراق البيانات، ليدو لديها في مكانهاسلسلة من فحوص العقلانيةالتي تم تنفيذها في كود طبقة التنفيذ للبروتوكول.

مع إدخال EIP-4788 "جذر كتلة البيكون في EVM"، يصبح من الأسهل لمعالجات الدعم الحصول على الوصول إلى البيانات على طبقة التوافق وحسابها.=nill; مؤسسة, موجزوتطوير DendrETH واجهت كل منها برنامج Oracle ZK-proof الخاص بها لـ Lido. لضمان الأمان القصوى، يمكن لـ Lido استخدام بنية متعددة البراهين.

مثل تصميم =nil، على سبيل المثال، على مستوى عال، يحصل المُدخِل على معلومات أساسية من طبقات الإجماع والتنفيذ، مثل رأس كتلة البيكون، حالة البيكون، عناوين عقود ليدو، وما إلى ذلك. ثم يحسب تقريرًا عن القيمة المغلقة بالكامل وعدادات المحققين لجميع محققي ليدو. يتم تمرير هذه البيانات، جنبًا إلى جنب مع المعلومات الإضافية الضرورية، إلى منتج الدليل وتشغيلها على الدوائر المتخصصة لتوليد دليل زيرو كنوليدج. يسترد المُدخِل الدليل ويُقدم كل من الدليل وتقريره إلى العقد الذكي للتحقق. يُلاحظ أن تصاميم هذه المُدخلات لا تزال في مرحلة الاختبار وتخضع للتغييرات.

ومع ذلك، يجدر بالذكر أنه قد يكون هناك دائمًا نوع ما من البيانات التي قد لا يمكن إثباتها على الجانب EL بسبب الطبيعة المحدودة لما يتم إرساله عبر 4788 وأنه قد يكون لا يزال هناك حاجة للمشورين لهذا الجزء من البيانات.

بالإضافة إلى ذلك ، لا تزال أوراكل المقاومة ل ZK المصغرة للثقة في مهدها. النهج المقترح من قبل المساهمين في Lido هو استخدام المعلومات المقدمة من ZK oracles ك "فحص عقلي" مقابل العمل الذي تقوم به oracles الموثوقة حتى يمكن اختبار تطبيقات ZK هذه. سيكون من المخاطرة للغاية نقل كل الثقة الموجودة حاليا في نظام أوراكل إلى أنظمة ZK في هذه المرحلة.

وعلاوة على ذلك، فإن الأدلة على البيانات بهذا الحجم تتطلب الكثير من الحسابات الحاسوبية (على سبيل المثال، يمكن أن تستغرق حتى 30-45 دقيقة) وتكلفة كبيرة جدًا، لذلك فهي ليست بديلاً مناسبًا في النضج الحالي للتكنولوجيا لأشياء مثل التقارير اليومية أو حتى التقارير داخل اليوم.

تحليل مخاطر وأداء المحقق

يلعب المحققون دوراً حاسماً في نظام الرهان. إنهم يقفلون 32 ETH على سلسلة Beacon ويقدمون خدمات التحقق. إذا سلكوا السلوك الصحيح، يتلقون مكافآت. ومع ذلك، إذا تصرفوا بشكل غير صحيح، يواجهون عقوبات القطع. يتم تشغيل المحققون من قبل مشغلي العقد الذين يمتلكون ملفات مخاطر مختلفة. يمكن أن يكونوا مراقبين (على سبيل المثال، مجموعة المحققين المراقبة لشركة ليدو)، ملزمين (على سبيل المثال، Rocket pool، ليدوCSM) أو المراهنون الفرديون. قد يختارون تشغيل خدماتهم في مراكز بيانات السحابة أو في المنزل، في مناطق تكون إما ودية للتنظيم العملات الرقمية أو غير ودية. بالإضافة إلى ذلك، يمكن للمحققين استخدام تقنية DVT لتقسيم العقد الداخلية أو الانضمام إلى مجموعات لزيادة تحمل الأخطاء. مع ظهور Eigenlayer ومختلف AVS (Actively Validated Services) ، يمكن أن يقدم المحققون خدمات إضافية بالإضافة إلى التحقق من صحة Ethereum. بلا شك، ستكون ملفات المحققين المالية معقدة، مما يجعل من الضروري تقييم ملفات المخاطر بدقة. مع تحليل مخاطر وأداء المحقق الجيد، يفتح الباب أمام إمكانيات لا حصر لها، بما في ذلك:

في المقام الأول، يلعب تقييم المخاطر دورًا حاسمًا في إنشاء مجموعة محققي الأذونات بدون إذن. في سياق ليدو، يمكن أن يمهد إدخال موجه التخزين ومستقبل EIP-7002 'مخرجات يمكن تنفيذها عن طريق طبقة التنفيذ' الطريق لتمكين الانضمام والخروج بدون إذن للمحققين. يمكن تحديد معايير الانضمام أو الخروج استنادًا إلى ملف العرض الخاص بالمخاطر والتحليلات الأدائية المستمدة من أنشطة التحقق السابقة للمحقق.

في الثانية، اختيار العقدة في DVT. بالنسبة للمراهن الفردي، قد يكون من المفيد اختيار عقدة أخرى لإنشاء مجموعة DVT. يمكن أن يساعد هذا في تحقيق تحمل الأخطاء وزيادة العائدات. يمكن أن يكون اختيار العقدات مستندًا إلى تحليلات مختلفة. بالإضافة إلى ذلك، يمكن أن يكون تشكيل المجموعة بدون إذن، مما يسمح للعقد مع أداء تاريخي قوي بالانضمام بينما يمكن إزالة العقد الذي يؤدي بشكل ضعيف.

ثالثاً، إعادة الرهن. تُمكّن بروتوكولات إعادة الرهن السائلة إعادة الرهن للمشاركة في سوق إعادة الرهن Eigenlayer. هذه البروتوكولات لا تنتج فقط إيصالات سائلة تُسمى رموز إعادة الرهن السائلة (LRT) ولكنها تهدف أيضاً إلى تأمين أفضل عوائد معدلة للمخاطر لإعادة الرهن. على سبيل المثال، واحدة من Renzo’sتتضمن الاستراتيجيات بناء محفظة AVS بأعلى معدل شارب راتيو مع الالتزام بخسارة قصوى محددة مستهدفة، وضبط تحمل المخاطر والأوزان من خلال DAO. مع إطلاق المزيد من مشاريع AVS، يصبح أهمية تحسين الدعم لمشاريع AVS الخاصة واختيار مشغلي AVS الأكثر ملاءمة أمرًا حاسمًا بشكل متزايد.

حتى الآن، أكدنا على أهمية مخاطر المحقق وتحليلات الأداء، فضلاً عن مجموعة واسعة من حالات الاستخدام التي يتيحها. ومع ذلك، السؤال يبقى: كيف نقيم ملف الخطر للمحققين بدقة؟ إحدى الحلول المحتملة تم تطويرها بواسطة بروتوكول آيون.

بروتوكول آيون هو منصة للإقراض تستخدم بيانات موثقة مدعومة من محقق لتمكين المستخدمين من استعارة الـ ETH مقابل مواقعهم المراهنة وإعادة المراهنة. تُحدد معلمات القرض، بما في ذلك أسعار الفائدة ونسب القيمة إلى القرض وصحة الموقف، بواسطة بيانات طبقة التوافق وتُحفظ بأنظمة بيانات ZK.

تعاونت Ion مع فريق Succinct علىدقة- إطار غير مستند إلى الثقة للتحقق من الحالة الاقتصادية للمحققين على طبقة الاتفاق في إيثريوم. يهدف هذا إلى إنشاء نظام قابل للتحقق يقيم بدقة قيمة الأصول الرهنية، مما يخفف أي مخاطر تلاعب محتملة أو خفض القيمة. بمجرد إنشاء هذا النظام، يمكن أن يسهل هذا النظام عمليات تكوين القروض والسيولة.

إيون شريك أيضًا مع Modulus Labs، استفادة من ZKML لتحليل وتعميم السوق الاقتراضية بدون ثقة، بما في ذلك أسعار الفائدة، LTVs، وتفاصيل أسواق أخرى لتقليل تعرض المخاطر في حالة وقوع حوادث تقليع غير عادية.

استنتاج

يعد التمويل اللامركزي رائعا حقا لأنه يحدث ثورة في طريقة إدارة الأنشطة المالية ، مما يلغي الحاجة إلى الوسطاء ويقلل من مخاطر الطرف المقابل. ومع ذلك ، فإن DeFi يقصر حاليا في توفير تجربة مستخدم رائعة. الأخبار المثيرة هي أن هذا على وشك التغيير مع إدخال المعالجات المشتركة التي ستمكن بروتوكولات DeFi من تقديم ميزات تعتمد على البيانات ، وتعزيز تجربة المستخدم وتحسين إدارة المخاطر. علاوة على ذلك ، مع تقدم البنية التحتية الذكاء الاصطناعي اللامركزية ، نتقدم نحو مستقبل DeFi الذكي.

تنصيح:

1. تم نقل هذه المقالة من [Gateمرآةجميع حقوق الطبع والنشر تنتمي إلى الكاتب الأصليlukewasm.eth]. إذا كانت هناك اعتراضات على هذا إعادة الطبع، يرجى الاتصال بالبوابة تعلمالفريق، وسيتولون بالأمر على الفور.
2. تنصل المسؤولية: الآراء والآراء المعبر عنها في هذه المقالة هي فقط تلك التي تنتمي إلى الكاتب ولا تشكل أي نصيحة استثمارية.
3. يتم إجراء ترجمات المقالة إلى لغات أخرى من قبل فريق Gate Learn. ما لم يذكر غير ذلك، فإن نسخ أو توزيع أو سرقة المقالات المترجمة ممنوعة.