介紹
由於區塊鏈處理能力有限，當今的去中心化應用程式在執行復雜的鏈上計算時面臨着限制。然而，隨着區塊鏈協處理器等技術的快速發展，結合博弈論和機制設計，出現了新一波用例，極大地改善了用戶體驗。
本文探討了協處理器的設計空間，重點關注它們所支持的潛在用例。
要點：
- 區塊鏈計算成本昂貴且有限；一種解決方案是將計算移至鏈外，並通過協處理器驗證鏈上結果，從而實現更復雜的 dapp 邏輯。
- 根據其安全假設，協處理器可以分爲無信任（ZK）、信任最小化（MPC/TEE）、樂觀和加密經濟型。這些解決方案還可以組合起來，以實現所需的安全性與效率的權衡。
- 不同類型的協處理器適合 DeFi 中的不同任務。潛在用例涵蓋 DEX（AMM 和訂單簿）、貨幣市場、質押、重新質押等。
- 隨着去中心化人工智能的興起，與協處理器一起，我們正在進入一個“智能DeFi” 時代。
協處理器（Coprocessor）的作用
區塊鏈通常被視爲通用 CPU 虛擬機 (VM)，可能不適合繁重的計算。涉及數據驅動分析和密集計算的任務通常需要鏈下解決方案。例如，像 dydx v3 這樣的訂單簿交易所利用在中心化服務器上運行的鏈下匹配和風險引擎，僅在鏈上進行資金結算。
在計算中，引入協處理器來協助處理器執行特定任務，如前綴“co-”所示。例如，GPU 充當 CPU 的協處理器。它們擅長處理 3D 渲染和深度學習等任務所需的並行計算。這種安排允許主 CPU 專注於通用處理。協處理器模型使計算機能夠處理更復雜的工作負載，而使用單個通用 CPU 是無法實現的。
通過利用協處理器和訪問鏈上數據，區塊鏈應用程序可以提供高級功能並做出明智的決策。這爲進行額外計算創造了機會，能夠執行更復雜的任務，並使應用程序變得更加“智能”。
不同類型的協處理器
基於信任假設，協處理器主要可以分爲三種不同類型：零知識（ZK）、樂觀 (Optimistic) 和加密經濟(Cryptoeconomic) 型。
ZK 協處理器如果實施正確，理論上是無需信任的。他們執行鏈下計算並提交鏈上證明進行驗證。雖然它們提供了速度，但在證明成本方面需要權衡。隨着定制硬件的發展和密碼學的發展，最終傳遞給終端消費者的成本可能會降低到更可接受的水平。
Axiom 和 RISC Zero Bonsai 是 ZK 協處理器的示例。它們允許訪問鏈上狀態的任意計算在鏈外運行，並提供計算執行的證據。
爲了更清楚地了解典型 ZK 協處理器的運行方式，讓我們檢查一下RISC Zero Bonsai 的工作流程。
應用程序將協同處理請求發送到 Bonsai Relay，然後將證明請求轉發到 Bonsai 證明服務。 RISC Zero zkVM 執行程序並生成證明來驗證代碼的正確執行，任何人都可以驗證。隨後，Bonsai Relay 在鏈上發布證明，應用程序通過回調函數接收結果。
以太坊上的Bonsai
雖然 ZK 協處理器 是實現可驗證的鏈外計算的一種方法，但 MPC 和 TEE 等替代方案提供了不同的方法。 MPC 支持對敏感數據進行協作計算，而 TEE 則提供基於硬件的安全隔離環境。每個選項都需要在安全性和效率之間進行權衡。在本文中，我們將重點關注 ZK 協處理器。
樂觀協處理器 提供經濟高效的解決方案，但它們存在嚴重的延遲問題（通常爲數周）。他們要求誠實的各方在具有挑戰性的窗口內通過欺詐證據有效地挑戰他們。因此，安全保障的時間被推遲。
加密經濟協處理器 是一種樂觀執行的協處理器，具有足夠大的經濟保證金，並且有一個在鏈上的保險系統，允許其他人爲錯誤的計算提供賠償。這種經濟保證金和保險可以通過類似Eigenlayer的共享安全提供商購買。優點是即時結算，但缺點是獲得保險的成本較高。
各種協處理器類型的特徵
*現有的證明生成時間不到一秒（針對小型、經過優化的證明），而且它們正在迅速改進。
不同類型的協處理器表現出不同的成本、延遲和安全特性。組合不同類型的協處理器可以帶來優化的用戶體驗。一個突出的例子是Brevis。 Brevis 最初推出的是 zk 協處理器，現在推出了Brevis coChain。這項創新將加密經濟學和 ZKP 結合在 ZK 協處理器中，從而降低了成本、最小化了延遲並增強了用戶體驗。
純 ZK 協處理器在當前狀態下仍然面臨諸如高證明生成成本和可擴展性問題等挑戰。這是因爲數據訪問和計算結果的 ZK 證明總是預先生成的。利用 Eigenlayer 的重新抵押基礎設施，Brevis coChain 使 dapp 能夠定制他們想要的加密經濟安全級別，從而賦予他們更大的靈活性來增強用戶體驗。以下是其運作方式的簡單說明。
Brevis coChain 首先會根據 PoS 共識“樂觀”地生成協處理請求的結果。然後，啓動兩個挑戰窗口，一個是特定於應用程序且由開發人員配置的，另一個是較長的全局 coChain 削減窗口。
Brevis coChain 工作流程
在應用程序挑戰窗口期間，觀察者可以提交與協處理結果相矛盾的 ZKP。成功的挑戰會削減提議者並獎勵挑戰者。失敗的提案會導致挑戰者的保證金被沒收。
如果沒有挑戰，應用程序將認爲結果有效。全球 coChain 削減窗口是爲了增強安全性。即使應用程序接受了錯誤的結果，只要 coChain 削減窗口還開着，惡意驗證器就可以被削減，錯誤的結果也可以被糾正。
由於不同類型的協處理器表現出不同的成本、延遲和安全特性，因此應用程序必須評估其需求以確定所需的協處理器類型。如果計算涉及高安全性任務，例如在涉及數十億美元的流動質押中計算 Beacon 鏈上驗證者的餘額，ZK 協處理器是最合適的選擇。它們提供了最大的安全性，因爲結果可以無需信任地進行驗證。此外，在這種情況下，延遲不是問題，可以在可接受的時間範圍內生成證明。
對於對延遲不太敏感且不涉及重大財務價值的任務，例如在社交資料上展示鏈上成就指標，提供最低鏈下計算的樂觀協處理器可能更可取。
對於其他任務，當購買的保險涵蓋風險價值時，加密經濟協處理器被證明更具成本效益。保險成本的分析應根據具體情況進行，很大程度上受到應用程序所帶來的價值的影響。這些任務通常需要不同的分析和風險建模。
對協處理器進行分類的另一種方法是按計算類型，例如：
協處理器在 DeFi 中的使用是一個具有巨大潛力的新興領域。接下來，我將概述如何在 DeFi 的各個領域（包括 DEX、貨幣市場、質押、重新質押等）使用協處理器的現有想法和實現。
去中心化交易所（DEX）
DEX 涉及多個利益相關者。其中包括交易者、流動性提供者、做市商、流動性管理者、解決者/填充者等。協處理器有潛力通過不同級別的信任假設有效地簡化復雜任務，最終增強這些利益相關者的體驗。
降低成本
在基本的 AMM 中，一項重要功能是在用戶發起交易時計算必要的參數。這些參數包括轉入和轉出的金額、費用以及轉入後的價格。在維持信任保證的同時，利用 zk 協處理器的計算能力的一個簡單用例，是在鏈外執行部分交易功能，然後在鏈上完成其餘步驟。 零知識證明的自動化做市商 (zkAMM) 是一種集成了零知識證明的自動化做市商。Diego（@0xfuturistic）介紹了基於 Uniswap v3 的 zkAMM (zkUniswap) 的實現，其中一部分 AMM 交易計算被卸載到 Risc Zero zkVM。用戶在鏈上發起交易請求，中繼器接收交易輸入，然後在鏈下進行計算。然後，中繼器發布輸出和證明。 AMM 驗證證明並結算交易。
雖然當前階段的計算成本仍然與 EVM 相當，但是通過並行化獨立路徑的交易計算，可以實現更高的效率，這得益於 RiscZero 的繼續特性。本質上，交易的執行可以在鏈上順序完成，但是實際的交易步驟可以在鏈下並行計算。這使得可以並行化批處理中的最重部分，這在 EVM 中是無法本地實現的。通過批量處理多個交易，也可以攤銷驗證的成本。
用戶還可以選擇使用替代數據可用性層來發送交換請求。另一種方法是利用EIP712籤名進行鏈下傳播，這可以進一步降低交換成本。
動態參數
協處理器還可以用於動態控制 AMM 池的交易費用。動態費用的概念是在市場波動期間提高費率，並在市場平靜時降低費率。這對被動流動性提供者來說是一個好處，因爲他們始終站在交易的不利一邊，並通過損失與再平衡（LVR）經歷價值漏失。動態費用的實施旨在通過充分補償 LP 來解決這個問題。
一些 AMM 已經具備此功能。例如，Ambient 利用外部預言機每 60 分鍾監控不同費用級別的 Uniswap v3 池並拍攝快照，以選擇性能最佳的池。
爲了進一步了解調整費率，可以利用鏈上和鏈下的額外數據。這包括針對該特定 AMM 池或針對不同流動性池（例如 Ambient 解決方案）甚至不同網路上的池的同一貨幣對進行的鏈上歷史交易。如果允許某些信任假設，還可以引入來自 Chainlink 或 Pyth 等信譽良好的預言機的鏈外數據（例如 CEX 交易數據）。
使用哪種類型的協處理器的決定受到費用調整頻率的影響。如果池需要非常頻繁的動態費用變化，加密經濟協處理器可能更合適。這是因爲證明成本可能超過保險成本，保險成本可以通過費率差異乘以平均數量來估計。如果發生任何錯誤的計算，LP 可以輕鬆地索賠 Eigenlayer 提供的保險，以補償他們的費用損失。
另一方面，有些礦池更喜歡不太頻繁的費率變化。然而，這些池處理的數量非常大，這可能會增加保險購買成本。在這種情況下，ZK協處理器更適合，因爲它提供了最強的保障。
主動流動性管理器（ALM）
對於經驗不足的用戶來說，被動流動性提供可能是一個有吸引力的選擇，他們希望從閒置流動性中賺取費用，而不必過度擔心價格偏差。然而，一些流動性提供者（LP）更容易受到價格偏差和統計套利造成的損失。我們之前討論過如何動態調整費用來緩解這個問題。但爲什麼不更進一步，徹底改變流動性曲線的形狀呢？這是一種更復雜的流動性管理方法，稱爲主動流動性管理器（ALM）。
遺憾的是，現有的ALM大多只提供再平衡等基礎策略，對費用收取的影響有限。另一方面，可以使用稍微更先進的技術，例如使用貨幣市場或衍生品進行對沖。然而，它們要麼在鏈上頻繁執行時會產生高昂的成本，要麼依賴集中式鏈下黑盒計算。
協處理器有潛力解決成本和信任問題，從而能夠採用先進的策略。通過與尖端的零知識機器學習 (ZKML) 解決方案集成，例如Modulus Labs 以及去中心化人工智能平台，例如Ritual，流動性管理者可以利用基於歷史交易數據、價格相關性、波動性、動量等的復雜策略，同時享受隱私和無需信任的優勢。
高頻交易策略需要精確的時機和快速的執行。雖然 ZK 解決方案可能並不總能滿足必要的速度，但加密經濟協處理器在這一領域表現出色。這些協處理器允許快速執行人工智能算法，並在塊時間允許的情況下盡可能頻繁地更新參數。然而，使用這種方法會產生保險費用。由於管理者不當處理資金或進行反向交易等潛在風險，準確估計這些成本可能具有挑戰性。決策過程涉及平衡額外回報與保險費用，這最終取決於協處理器測量的時間範圍內發生的總量。根據單個 AVS 中可用的資本以及在任何給定時刻預測風險價值的能力，擴展此流程也可能很困難。
基於指標的獎勵分配
雖然每筆交易都記錄在區塊鏈上，但智能合約在確定這些交易所代表的指標方面面臨着挑戰，例如交易量、交互次數、每單位時間的 TVL 等。人們可能會建議使用 Dune Analytics 等索引解決方案，該解決方案提供有價值的信息。然而，依賴鏈外索引引入了額外的信任層。這就是協處理器成爲一種有前途的解決方案的地方。
一項特別有價值的鏈上指標是交易量。例如，在特定的AMM池中，與特定地址在一定區塊內關聯的累計交易量。這個指標對於 DEX 非常有利。一種用例是允許根據用戶的交易量爲其設置不同的費用等級。這種方法類似於動態費用，但它不依賴一般數據，而是查看特定地址的數據。
Brevis 提供了一個有趣的例子，其中交易量證明可以與定制的費用返還Uniswap hooks結合，提供類似於 CEX 上的 VIP 交易者的基於交易量的費用返還。
具體來說，Uniswap v4可以讀取用戶過去30天內的歷史交易，用定制的邏輯解析每個交易事件，並使用Brevis計算交易量。然後，交易量和 Brevis 生成的 ZK Proof 在 Uniswap v4 Hook 智能合約中進行可信驗證，該智能合約異步確定並記錄用戶的 VIP 費用等級。在證明驗證之後，任何符合條件的用戶的未來交易將觸發getFee()函數，簡單地查找VIP記錄，並相應地爲他們減少交易費用。
成爲 “VIP”的認證成本也很低（根據其性能基準結果，大約 2.5 美元）。通過使用像NEBRA這樣的解決方案聚合多個用戶，可以進一步降低成本。唯一的權衡是延遲，因爲訪問和計算2600筆鏈上Uniswap交易大約需要400秒。然而，對於不敏感時間的功能，這並不太重要。
爲了解決延遲問題，dapp 可以利用 Brevis 的 coChain。通過 PoS 共識機制快速計算和交付結果，以最大程度地減少延遲。如果出現惡意活動，可以在挑戰窗口期間使用 ZKP 來懲罰惡意驗證者。
例如，在前面提到的 VIP 費用場景中，如果超過 2/3 的 coChain 驗證者在連結到動態費用掛鉤的“VIP 等級查找表”中欺騙性地爲某些用戶分配更高的 VIP 等級，則某些用戶最初可能會獲得更大的費用折扣。然而，當在削減窗口期間出示 ZK 證明，證明 VIP 等級是不正確的時，惡意驗證者將面臨處罰。然後，可以通過啓用挑戰回調來更新 VIP 等級查找表來糾正錯誤的 VIP 等級。對於更謹慎的場景，開發人員可以選擇實施擴展的應用程序級挑戰窗口，提供額外的安全性和適應性。
流動性挖礦
流動性挖礦是一種旨在引導流動性的獎勵分配形式。 DEX 可以通過協處理器更深入地了解其流動性提供者的行爲，並適當分配流動性挖礦獎勵或激勵。重要的是要認識到並非所有 LP 都是一樣的。有些人充當僱傭兵，而另一些人則仍然是忠實的長期信徒。
最佳的流動性激勵應該反復地評估 LP 的奉獻精神，特別是在市場大幅波動期間。那些在此期間持續爲礦池提供支持的人應該獲得最高的獎勵。
求解器/填充器聲譽系統
在關注用戶意圖的未來，求解器/填充器通過簡化復雜的交易並實現更快、更便宜或更好的結果來發揮至關重要的作用。然而，對於求解器的選擇過程一直存在批評。目前的解決方案包括：
- 一個無需許可的系統，使用荷蘭拍賣或費用階梯。然而，這種方式在確保有競爭性和無許可拍賣環境方面面臨挑戰，可能導致延遲問題或者對用戶甚至無法執行。
- 一個無需許可的系統要求抵押代幣來參與，這造成了參與的財務門檻，可能缺乏明確的削減/懲罰條件，或者透明和無信任的執行。
- 或者，可以根據聲譽和關係建立求解器的白名單。
未來應該既是無需許可的，也是無需信任的。然而，爲了實現這一點，有必要建立區分優秀求解器和不太優秀的求解器的指南。通過使用零知識協處理器，可以生成可驗證的證明，以確定某些求解器是否符合或者未能符合這些指南。根據這些信息，求解器可以被置於優先訂單流程，削減，暫停，甚至列入黑名單。理想情況下，更好的求解器會得到更多的訂單流程，而差的求解器會得到更少。週期性地審查和更新這些評級是很重要的，以防止固化和促進競爭，給新來者平等的參與機會。
抗操縱價格預言機
Uniswap 已經在其 v2 和 v3 版本中引入了嵌入式預言機。隨着 v4 的發布，Uniswap 通過引入更高級的預言機選項，爲開發人員擴展了可能性。然而，鏈上價格預言機仍然存在局限性和約束。
首先，有成本的考慮。如果協處理器計算的價格預言機可以提供成本改進，那麼它可以作爲更實惠的替代方案。價格預言機的設計越復雜，節省成本的潛力就越大。
其次，鏈上價格預言機池仍然容易受到操縱。爲了解決這個問題，通常的做法是匯總不同來源的價格並進行計算，以創建更具抗操縱性的價格預言機。協處理器能夠從各種池中檢索歷史交易，甚至跨不同協議，從而能夠生成具有競爭性成本的抗操縱價格預言機，以便與其他 DeFi 協議集成。
DIA Data 正在與Mina Ecosystem 的 O(1) Labs 合作開發基於零知識證明(ZK)的預言機。這種方法是類似的 - 在鏈下獲取市場數據並進行更復雜的計算，不受燃氣費和其他執行限制的影響，但在鏈上提供結果時能夠驗證計算的完整性。這使得用其他市場數據（如深度）來幫助評估清算影響，以及元數據來使協議定制他們的供給，成爲可能。
保證金制度
爲了克服區塊鏈技術的計算限制，許多衍生品平台經常將某些組件（例如風險管理系統）移至鏈下。
@0x_emperor 和 @0xkrane 提出了一種協處理器的有趣用例，其中保證金邏輯是透明且可驗證的。許多交易所都設有風險管理系統，以防止過度槓杆。其中一個例子是自動降槓杆系統 (ADL)，它策略性地將虧損分配給盈利的交易者，以抵消被平倉的交易者所遭受的虧損。本質上，它在盈利的交易者中重新分配虧損，以彌補這些平倉所造成的未償還債務。
用戶可能對強制平倉持有疑問。爲解決這個問題，交易所可以利用協處理器使用鏈上數據執行保證金引擎邏輯，並生成證明以驗證正確的計算。由於ADL事件的發生頻率較低，因此對延遲和證明成本的擔憂最小。然而，使用無需信任且可驗證的Zk協處理器可以提高透明度和完整性，這對交易所及其用戶都有利。
貨幣市場
通過利用歷史鏈上數據的見解，協處理器有可能增強流動性提供者（LP）和借貸協議的風險管理。此外，協議可以基於數據驅動的分析提供改進的用戶體驗。
幾個月前，當 Curve 遭遇漏洞攻擊時，人們的注意力轉向了貨幣市場，數以百萬計的 CRV 代幣面臨清算風險。當貸款價值 (LTV) 比率變得不健康時，Frax 貸方在協議大幅加息中找到了一絲安慰。這激勵 Curve 創始人更快地償還債務。然而，AAVE 利益相關者表達了擔憂，並發起了關於減少抵押品容量和可能停止市場的討論。他們的擔憂源於流動性不足以成功清算的可能性，這可能導致壞帳和易受市場條件影響。
幸運的是，危機已經解決。定期審查貨幣市場上列出的資產非常重要，特別要關注其在市場上的流動性，尤其是在清算事件期間。非流動資產應被分配較低的貸款價值（LTV）比率和抵押品能力。
然而，正如我們在 CRV 情況中觀察到的那樣，貨幣市場風險參數變化的決策過程通常是反應性的。我們需要更加迅速和主動的措施，包括去信任的解決方案。人們一直在討論使用反饋控制來動態調整基於鏈上指標（如流動性利用率）的參數，而不是依賴於預先確定的曲線。一個有趣的概念涉及一個貸款池，用於驗證特定市場的鏈上流動性證明。控制器接收 ZK 協處理器根據鏈上指標計算得出的證據，表明資產何時不再具有足夠的流動性超過特定閾值。根據這些信息，控制者可以採取各種措施，例如調整利率、設定貸款價值上限、暫停市場，甚至完全停止市場。
更先進的策略可能包括根據上一周的鏈上流動性定期調整抵押品借貸能力或利率曲線。確切的門檻將通過 DAO 內部的討論來確定。它可以通過考慮歷史鏈上交易量、代幣儲備、一次性互換的最小滑點等因素來確定。
對於貸款人和借款人來說，貨幣市場可以提供增強的服務和體驗，類似於 DEX 中 VIP 交易者的費用回扣計劃。現有的信用評分解決方案旨在創建鏈上用戶的全面檔案。目標是激勵良好的行爲，例如通過避免清算事件、維持健康的平均貸款價值比率、穩定的大額存款等來證明有效的風險管理。這些積極行爲可以得到無需信任的獎勵，包括與普通用戶相比更好、更平滑的利率、更高的最大LTV和清算比率、清算緩衝時間、更低的清算費用等等。
質押和再質押
信任最小化的預言機
自從 Merge 和 上海升級以來，流動性質押市場已成爲 DeFi 最大的市場。值得注意的是，Lido 的 TVL 已超過 290 億美元，而 Rocketpool 的 TVL 超過 36 億美元。
鑑於涉及大量資金，值得注意的是，用於報告信息的預言機（例如信標鏈上相關驗證器的準確餘額）仍然是值得信賴的。這些預言機在向執行層的涉衆分配獎勵方面發揮着至關重要的作用。
目前，Lido 採用 9 人中 5 人的法定人數機制，並維護一份可信成員名單，以防範惡意行爲者。同樣，Rocketpool 也是通過一個只接受邀請的 Oracle DAO 來運行的，該 DAO 由節點操作員組成，他們受托更新執行層智能合約中的獎勵信息。
然而，必須認識到，如果大多數受信任的第三方受到損害，可能會嚴重損害流動質押代幣（LST）持有者以及建立在 LST 之上的整個 DeFi 生態系統。爲了降低錯誤/惡意預言機報告的風險，Lido 已就位一系列“健全性檢查” 在協議的執行層代碼中實現。
隨着 EIP-4788“EVM 中的信標塊根”的引入，協處理器可以更輕鬆地訪問和計算共識層上的數據。=Nil;基金會,Succint 和 DendrETH 都在爲 Lido 開發自己的 ZK-proof TVL 預言機。爲了確保最大程度的安全性，Lido 可以利用多重防護架構。
以 =nil; 的設計爲例，在較高的層面上，預言機從共識層和執行層獲取基本信息，例如 Beacon 區塊頭、Beacon 狀態、Lido 合約地址等，然後計算出一份報告所有 Lido 驗證器的總鎖定值和驗證器計數。這些數據以及其他必要的信息被傳遞給證明生成者並在專用電路上運行以生成 ZK 證明。預言機檢索證據並將證據及其報告提交給智能合約進行驗證。請注意，這些預言機設計仍處於測試階段，可能會發生變化。
然而，值得注意的是，由於通過 4788 發送的內容有限，總會有一些數據可能無法在 EL 端得到證明，並且該數據子集可能仍然需要預言機。
此外，信任最小化的 ZK 證明預言機仍處於起步階段。 Lido 貢獻者提出的方法是使用 ZK 預言機提供的信息作爲對可信預言機所做工作的“健全性檢查”，直到這些 ZK 實現可以進行戰鬥測試。現階段將預言機系統中的信任全部轉移到 ZK 系統風險太大。
此外，這種大小的數據的證明計算量非常大（例如，甚至可能需要 30-45 分鍾）並且非常昂貴，因此，在目前技術成熟的情況下，對於諸如每日甚至日內之類的事情，它們並不是合適的替代品報告。
驗證者風險和績效分析
驗證者在質押生態系統中發揮着至關重要的作用。他們在信標鏈上鎖定 32 ETH 並提供驗證服務。如果他們表現得當，他們就會得到獎勵。然而，如果他們行爲不端，他們將面臨削減。驗證器由具有不同風險狀況的節點運營商運行。它們可以被策劃（例如 Lido 的策劃驗證器集）、綁定（例如 Rocket pool、Lido 的CSM）或單獨的質押者。他們可能會選擇在雲數據中心或家裏運行他們的服務，在加密貨幣監管友好或不友好的地區。此外，驗證者可以利用 DVT 技術來拆分內部節點或加入集羣以增強容錯能力。隨着 Eigenlayer 和各種 AVS（主動驗證服務）的出現，驗證器可能會提供除以太坊驗證之外的其他服務。毫無疑問，驗證者的風險狀況將很復雜，因此準確評估其風險狀況至關重要。憑藉良好的驗證者風險和性能分析，它打開了無限可能性的大門，包括：
首先，風險評估在建立風險評估體系中發揮着至關重要的作用。無許可驗證器集。在 Lido 的背景下，質押路由器的引入和未來的 EIP-7002 “執行層可觸發退出”可以爲驗證者的無許可加入和退出鋪平道路。加入或退出的標準可以根據驗證者過去驗證活動得出的風險概況和性能分析來確定。
第二，DVT 中的節點選擇。對於單獨的質押者來說，選擇其他節點來創建 DVT 集羣可能是有益的。這有助於實現容錯並提高產量。節點的選擇可以基於各種分析。此外，集羣的形成可以是無需許可的，允許具有強大歷史性能的節點加入，同時可以刪除性能不佳的節點。
第三，再質押。 流動性再質押協議（Liquid Restaking Protocol）使重新抵押者能夠參與 Eigenlayer 的再抵押市場。這些協議不僅產生稱爲流動性再質押代幣（LRT）的流動性收據，而且旨在爲再質押者確保最佳的風險調整回報。例如，其中之一Renzo 的策略包括構建具有最高夏普比率（Sharpe Ratio）的 AVS 投資組合，同時遵守指定的最大損失目標，通過 DAO 調整風險承受能力和權重。隨着越來越多的 AVS 項目啓動，優化對特定 AVS 的支持以及選擇最合適的 AVS 運營商變得越來越重要。
到目前爲止，我們強調了驗證者風險和性能分析的重要性，以及它所支持的廣泛用例。然而，問題仍然存在：我們如何準確評估驗證者的風險狀況？Ion Protocol 正在開發一種潛在的解決方案。
Ion Protocol 是一個利用可證明的驗證器支持的數據的借貸平台。它使用戶能夠以其質押和再質押頭寸借入 ETH。貸款參數，包括利率、LTV 和頭寸健康狀況，由共識層數據確定，並由 ZK 數據系統保護。
Ion 正在與 Succinct 團隊合作開發 Precision——一個無需信任的框架，用於驗證以太坊共識層上驗證者的經濟狀態。其目的是創建一個可驗證的系統，準確評估抵押資產的價值，減輕任何潛在的操縱或削減風險。一旦建立，該系統可以促進貸款發放和清算流程。
Ion 還與 Modulus Labs 合作，利用 ZKML 對借貸市場進行去信任分析和參數化，包括利率、LTV 和其他市場細節，以最大限度地減少異常削減事件時的風險暴露。
結論
DeFi 確實非常了不起，因爲它徹底改變了金融活動的進行方式，消除了對中介機構的需求並降低了交易對手風險。然而，目前 DeFi 在提供良好的用戶體驗方面還存在不足。令人興奮的消息是，隨着協處理器的引入，這種情況即將發生變化，協處理器將使 DeFi 協議能夠提供數據驅動的功能，增強用戶體驗並完善風險管理。此外，隨着去中心化人工智能基礎設施的進步，我們正在邁向智能 DeFi 的未來。
聲明：
- 本文轉載自[mirror]，著作權歸屬原作者[lukewasm.eth]，如對轉載有異議，請聯系Gate Learn團隊，團隊會根據相關流程盡速處理。
- 免責聲明：本文所表達的觀點和意見僅代表作者個人觀點，不構成任何投資建議。
- 文章其他語言版本由Gate Learn團隊翻譯， 在未提及Gate.io的情況下不得復制、傳播或抄襲經翻譯文章。
相关文章
一文解讀什幺是區塊鏈
鏈上數據分析：六個分析工具介紹及使用案例
介紹
由於區塊鏈處理能力有限，當今的去中心化應用程式在執行復雜的鏈上計算時面臨着限制。然而，隨着區塊鏈協處理器等技術的快速發展，結合博弈論和機制設計，出現了新一波用例，極大地改善了用戶體驗。
本文探討了協處理器的設計空間，重點關注它們所支持的潛在用例。
要點：
- 區塊鏈計算成本昂貴且有限；一種解決方案是將計算移至鏈外，並通過協處理器驗證鏈上結果，從而實現更復雜的 dapp 邏輯。
- 根據其安全假設，協處理器可以分爲無信任（ZK）、信任最小化（MPC/TEE）、樂觀和加密經濟型。這些解決方案還可以組合起來，以實現所需的安全性與效率的權衡。
- 不同類型的協處理器適合 DeFi 中的不同任務。潛在用例涵蓋 DEX（AMM 和訂單簿）、貨幣市場、質押、重新質押等。
- 隨着去中心化人工智能的興起，與協處理器一起，我們正在進入一個“智能DeFi” 時代。
協處理器（Coprocessor）的作用
區塊鏈通常被視爲通用 CPU 虛擬機 (VM)，可能不適合繁重的計算。涉及數據驅動分析和密集計算的任務通常需要鏈下解決方案。例如，像 dydx v3 這樣的訂單簿交易所利用在中心化服務器上運行的鏈下匹配和風險引擎，僅在鏈上進行資金結算。
在計算中，引入協處理器來協助處理器執行特定任務，如前綴“co-”所示。例如，GPU 充當 CPU 的協處理器。它們擅長處理 3D 渲染和深度學習等任務所需的並行計算。這種安排允許主 CPU 專注於通用處理。協處理器模型使計算機能夠處理更復雜的工作負載，而使用單個通用 CPU 是無法實現的。
通過利用協處理器和訪問鏈上數據，區塊鏈應用程序可以提供高級功能並做出明智的決策。這爲進行額外計算創造了機會，能夠執行更復雜的任務，並使應用程序變得更加“智能”。
不同類型的協處理器
基於信任假設，協處理器主要可以分爲三種不同類型：零知識（ZK）、樂觀 (Optimistic) 和加密經濟(Cryptoeconomic) 型。
ZK 協處理器如果實施正確，理論上是無需信任的。他們執行鏈下計算並提交鏈上證明進行驗證。雖然它們提供了速度，但在證明成本方面需要權衡。隨着定制硬件的發展和密碼學的發展，最終傳遞給終端消費者的成本可能會降低到更可接受的水平。
Axiom 和 RISC Zero Bonsai 是 ZK 協處理器的示例。它們允許訪問鏈上狀態的任意計算在鏈外運行，並提供計算執行的證據。
爲了更清楚地了解典型 ZK 協處理器的運行方式，讓我們檢查一下RISC Zero Bonsai 的工作流程。
應用程序將協同處理請求發送到 Bonsai Relay，然後將證明請求轉發到 Bonsai 證明服務。 RISC Zero zkVM 執行程序並生成證明來驗證代碼的正確執行，任何人都可以驗證。隨後，Bonsai Relay 在鏈上發布證明，應用程序通過回調函數接收結果。
以太坊上的Bonsai
雖然 ZK 協處理器 是實現可驗證的鏈外計算的一種方法，但 MPC 和 TEE 等替代方案提供了不同的方法。 MPC 支持對敏感數據進行協作計算，而 TEE 則提供基於硬件的安全隔離環境。每個選項都需要在安全性和效率之間進行權衡。在本文中，我們將重點關注 ZK 協處理器。
樂觀協處理器 提供經濟高效的解決方案，但它們存在嚴重的延遲問題（通常爲數周）。他們要求誠實的各方在具有挑戰性的窗口內通過欺詐證據有效地挑戰他們。因此，安全保障的時間被推遲。
加密經濟協處理器 是一種樂觀執行的協處理器，具有足夠大的經濟保證金，並且有一個在鏈上的保險系統，允許其他人爲錯誤的計算提供賠償。這種經濟保證金和保險可以通過類似Eigenlayer的共享安全提供商購買。優點是即時結算，但缺點是獲得保險的成本較高。
各種協處理器類型的特徵
*現有的證明生成時間不到一秒（針對小型、經過優化的證明），而且它們正在迅速改進。
不同類型的協處理器表現出不同的成本、延遲和安全特性。組合不同類型的協處理器可以帶來優化的用戶體驗。一個突出的例子是Brevis。 Brevis 最初推出的是 zk 協處理器，現在推出了Brevis coChain。這項創新將加密經濟學和 ZKP 結合在 ZK 協處理器中，從而降低了成本、最小化了延遲並增強了用戶體驗。
純 ZK 協處理器在當前狀態下仍然面臨諸如高證明生成成本和可擴展性問題等挑戰。這是因爲數據訪問和計算結果的 ZK 證明總是預先生成的。利用 Eigenlayer 的重新抵押基礎設施，Brevis coChain 使 dapp 能夠定制他們想要的加密經濟安全級別，從而賦予他們更大的靈活性來增強用戶體驗。以下是其運作方式的簡單說明。
Brevis coChain 首先會根據 PoS 共識“樂觀”地生成協處理請求的結果。然後，啓動兩個挑戰窗口，一個是特定於應用程序且由開發人員配置的，另一個是較長的全局 coChain 削減窗口。
Brevis coChain 工作流程
在應用程序挑戰窗口期間，觀察者可以提交與協處理結果相矛盾的 ZKP。成功的挑戰會削減提議者並獎勵挑戰者。失敗的提案會導致挑戰者的保證金被沒收。
如果沒有挑戰，應用程序將認爲結果有效。全球 coChain 削減窗口是爲了增強安全性。即使應用程序接受了錯誤的結果，只要 coChain 削減窗口還開着，惡意驗證器就可以被削減，錯誤的結果也可以被糾正。
由於不同類型的協處理器表現出不同的成本、延遲和安全特性，因此應用程序必須評估其需求以確定所需的協處理器類型。如果計算涉及高安全性任務，例如在涉及數十億美元的流動質押中計算 Beacon 鏈上驗證者的餘額，ZK 協處理器是最合適的選擇。它們提供了最大的安全性，因爲結果可以無需信任地進行驗證。此外，在這種情況下，延遲不是問題，可以在可接受的時間範圍內生成證明。
對於對延遲不太敏感且不涉及重大財務價值的任務，例如在社交資料上展示鏈上成就指標，提供最低鏈下計算的樂觀協處理器可能更可取。
對於其他任務，當購買的保險涵蓋風險價值時，加密經濟協處理器被證明更具成本效益。保險成本的分析應根據具體情況進行，很大程度上受到應用程序所帶來的價值的影響。這些任務通常需要不同的分析和風險建模。
對協處理器進行分類的另一種方法是按計算類型，例如：
協處理器在 DeFi 中的使用是一個具有巨大潛力的新興領域。接下來，我將概述如何在 DeFi 的各個領域（包括 DEX、貨幣市場、質押、重新質押等）使用協處理器的現有想法和實現。
去中心化交易所（DEX）
DEX 涉及多個利益相關者。其中包括交易者、流動性提供者、做市商、流動性管理者、解決者/填充者等。協處理器有潛力通過不同級別的信任假設有效地簡化復雜任務，最終增強這些利益相關者的體驗。
降低成本
在基本的 AMM 中，一項重要功能是在用戶發起交易時計算必要的參數。這些參數包括轉入和轉出的金額、費用以及轉入後的價格。在維持信任保證的同時，利用 zk 協處理器的計算能力的一個簡單用例，是在鏈外執行部分交易功能，然後在鏈上完成其餘步驟。 零知識證明的自動化做市商 (zkAMM) 是一種集成了零知識證明的自動化做市商。Diego（@0xfuturistic）介紹了基於 Uniswap v3 的 zkAMM (zkUniswap) 的實現，其中一部分 AMM 交易計算被卸載到 Risc Zero zkVM。用戶在鏈上發起交易請求，中繼器接收交易輸入，然後在鏈下進行計算。然後，中繼器發布輸出和證明。 AMM 驗證證明並結算交易。
雖然當前階段的計算成本仍然與 EVM 相當，但是通過並行化獨立路徑的交易計算，可以實現更高的效率，這得益於 RiscZero 的繼續特性。本質上，交易的執行可以在鏈上順序完成，但是實際的交易步驟可以在鏈下並行計算。這使得可以並行化批處理中的最重部分，這在 EVM 中是無法本地實現的。通過批量處理多個交易，也可以攤銷驗證的成本。
用戶還可以選擇使用替代數據可用性層來發送交換請求。另一種方法是利用EIP712籤名進行鏈下傳播，這可以進一步降低交換成本。
動態參數
協處理器還可以用於動態控制 AMM 池的交易費用。動態費用的概念是在市場波動期間提高費率，並在市場平靜時降低費率。這對被動流動性提供者來說是一個好處，因爲他們始終站在交易的不利一邊，並通過損失與再平衡（LVR）經歷價值漏失。動態費用的實施旨在通過充分補償 LP 來解決這個問題。
一些 AMM 已經具備此功能。例如，Ambient 利用外部預言機每 60 分鍾監控不同費用級別的 Uniswap v3 池並拍攝快照，以選擇性能最佳的池。
爲了進一步了解調整費率，可以利用鏈上和鏈下的額外數據。這包括針對該特定 AMM 池或針對不同流動性池（例如 Ambient 解決方案）甚至不同網路上的池的同一貨幣對進行的鏈上歷史交易。如果允許某些信任假設，還可以引入來自 Chainlink 或 Pyth 等信譽良好的預言機的鏈外數據（例如 CEX 交易數據）。
使用哪種類型的協處理器的決定受到費用調整頻率的影響。如果池需要非常頻繁的動態費用變化，加密經濟協處理器可能更合適。這是因爲證明成本可能超過保險成本，保險成本可以通過費率差異乘以平均數量來估計。如果發生任何錯誤的計算，LP 可以輕鬆地索賠 Eigenlayer 提供的保險，以補償他們的費用損失。
另一方面，有些礦池更喜歡不太頻繁的費率變化。然而，這些池處理的數量非常大，這可能會增加保險購買成本。在這種情況下，ZK協處理器更適合，因爲它提供了最強的保障。
主動流動性管理器（ALM）
對於經驗不足的用戶來說，被動流動性提供可能是一個有吸引力的選擇，他們希望從閒置流動性中賺取費用，而不必過度擔心價格偏差。然而，一些流動性提供者（LP）更容易受到價格偏差和統計套利造成的損失。我們之前討論過如何動態調整費用來緩解這個問題。但爲什麼不更進一步，徹底改變流動性曲線的形狀呢？這是一種更復雜的流動性管理方法，稱爲主動流動性管理器（ALM）。
遺憾的是，現有的ALM大多只提供再平衡等基礎策略，對費用收取的影響有限。另一方面，可以使用稍微更先進的技術，例如使用貨幣市場或衍生品進行對沖。然而，它們要麼在鏈上頻繁執行時會產生高昂的成本，要麼依賴集中式鏈下黑盒計算。
協處理器有潛力解決成本和信任問題，從而能夠採用先進的策略。通過與尖端的零知識機器學習 (ZKML) 解決方案集成，例如Modulus Labs 以及去中心化人工智能平台，例如Ritual，流動性管理者可以利用基於歷史交易數據、價格相關性、波動性、動量等的復雜策略，同時享受隱私和無需信任的優勢。
高頻交易策略需要精確的時機和快速的執行。雖然 ZK 解決方案可能並不總能滿足必要的速度，但加密經濟協處理器在這一領域表現出色。這些協處理器允許快速執行人工智能算法，並在塊時間允許的情況下盡可能頻繁地更新參數。然而，使用這種方法會產生保險費用。由於管理者不當處理資金或進行反向交易等潛在風險，準確估計這些成本可能具有挑戰性。決策過程涉及平衡額外回報與保險費用，這最終取決於協處理器測量的時間範圍內發生的總量。根據單個 AVS 中可用的資本以及在任何給定時刻預測風險價值的能力，擴展此流程也可能很困難。
基於指標的獎勵分配
雖然每筆交易都記錄在區塊鏈上，但智能合約在確定這些交易所代表的指標方面面臨着挑戰，例如交易量、交互次數、每單位時間的 TVL 等。人們可能會建議使用 Dune Analytics 等索引解決方案，該解決方案提供有價值的信息。然而，依賴鏈外索引引入了額外的信任層。這就是協處理器成爲一種有前途的解決方案的地方。
一項特別有價值的鏈上指標是交易量。例如，在特定的AMM池中，與特定地址在一定區塊內關聯的累計交易量。這個指標對於 DEX 非常有利。一種用例是允許根據用戶的交易量爲其設置不同的費用等級。這種方法類似於動態費用，但它不依賴一般數據，而是查看特定地址的數據。
Brevis 提供了一個有趣的例子，其中交易量證明可以與定制的費用返還Uniswap hooks結合，提供類似於 CEX 上的 VIP 交易者的基於交易量的費用返還。
具體來說，Uniswap v4可以讀取用戶過去30天內的歷史交易，用定制的邏輯解析每個交易事件，並使用Brevis計算交易量。然後，交易量和 Brevis 生成的 ZK Proof 在 Uniswap v4 Hook 智能合約中進行可信驗證，該智能合約異步確定並記錄用戶的 VIP 費用等級。在證明驗證之後，任何符合條件的用戶的未來交易將觸發getFee()函數，簡單地查找VIP記錄，並相應地爲他們減少交易費用。
成爲 “VIP”的認證成本也很低（根據其性能基準結果，大約 2.5 美元）。通過使用像NEBRA這樣的解決方案聚合多個用戶，可以進一步降低成本。唯一的權衡是延遲，因爲訪問和計算2600筆鏈上Uniswap交易大約需要400秒。然而，對於不敏感時間的功能，這並不太重要。
爲了解決延遲問題，dapp 可以利用 Brevis 的 coChain。通過 PoS 共識機制快速計算和交付結果，以最大程度地減少延遲。如果出現惡意活動，可以在挑戰窗口期間使用 ZKP 來懲罰惡意驗證者。
例如，在前面提到的 VIP 費用場景中，如果超過 2/3 的 coChain 驗證者在連結到動態費用掛鉤的“VIP 等級查找表”中欺騙性地爲某些用戶分配更高的 VIP 等級，則某些用戶最初可能會獲得更大的費用折扣。然而，當在削減窗口期間出示 ZK 證明，證明 VIP 等級是不正確的時，惡意驗證者將面臨處罰。然後，可以通過啓用挑戰回調來更新 VIP 等級查找表來糾正錯誤的 VIP 等級。對於更謹慎的場景，開發人員可以選擇實施擴展的應用程序級挑戰窗口，提供額外的安全性和適應性。
流動性挖礦
流動性挖礦是一種旨在引導流動性的獎勵分配形式。 DEX 可以通過協處理器更深入地了解其流動性提供者的行爲，並適當分配流動性挖礦獎勵或激勵。重要的是要認識到並非所有 LP 都是一樣的。有些人充當僱傭兵，而另一些人則仍然是忠實的長期信徒。
最佳的流動性激勵應該反復地評估 LP 的奉獻精神，特別是在市場大幅波動期間。那些在此期間持續爲礦池提供支持的人應該獲得最高的獎勵。
求解器/填充器聲譽系統
在關注用戶意圖的未來，求解器/填充器通過簡化復雜的交易並實現更快、更便宜或更好的結果來發揮至關重要的作用。然而，對於求解器的選擇過程一直存在批評。目前的解決方案包括：
- 一個無需許可的系統，使用荷蘭拍賣或費用階梯。然而，這種方式在確保有競爭性和無許可拍賣環境方面面臨挑戰，可能導致延遲問題或者對用戶甚至無法執行。
- 一個無需許可的系統要求抵押代幣來參與，這造成了參與的財務門檻，可能缺乏明確的削減/懲罰條件，或者透明和無信任的執行。
- 或者，可以根據聲譽和關係建立求解器的白名單。
未來應該既是無需許可的，也是無需信任的。然而，爲了實現這一點，有必要建立區分優秀求解器和不太優秀的求解器的指南。通過使用零知識協處理器，可以生成可驗證的證明，以確定某些求解器是否符合或者未能符合這些指南。根據這些信息，求解器可以被置於優先訂單流程，削減，暫停，甚至列入黑名單。理想情況下，更好的求解器會得到更多的訂單流程，而差的求解器會得到更少。週期性地審查和更新這些評級是很重要的，以防止固化和促進競爭，給新來者平等的參與機會。
抗操縱價格預言機
Uniswap 已經在其 v2 和 v3 版本中引入了嵌入式預言機。隨着 v4 的發布，Uniswap 通過引入更高級的預言機選項，爲開發人員擴展了可能性。然而，鏈上價格預言機仍然存在局限性和約束。
首先，有成本的考慮。如果協處理器計算的價格預言機可以提供成本改進，那麼它可以作爲更實惠的替代方案。價格預言機的設計越復雜，節省成本的潛力就越大。
其次，鏈上價格預言機池仍然容易受到操縱。爲了解決這個問題，通常的做法是匯總不同來源的價格並進行計算，以創建更具抗操縱性的價格預言機。協處理器能夠從各種池中檢索歷史交易，甚至跨不同協議，從而能夠生成具有競爭性成本的抗操縱價格預言機，以便與其他 DeFi 協議集成。
DIA Data 正在與Mina Ecosystem 的 O(1) Labs 合作開發基於零知識證明(ZK)的預言機。這種方法是類似的 - 在鏈下獲取市場數據並進行更復雜的計算，不受燃氣費和其他執行限制的影響，但在鏈上提供結果時能夠驗證計算的完整性。這使得用其他市場數據（如深度）來幫助評估清算影響，以及元數據來使協議定制他們的供給，成爲可能。
保證金制度
爲了克服區塊鏈技術的計算限制，許多衍生品平台經常將某些組件（例如風險管理系統）移至鏈下。
@0x_emperor 和 @0xkrane 提出了一種協處理器的有趣用例，其中保證金邏輯是透明且可驗證的。許多交易所都設有風險管理系統，以防止過度槓杆。其中一個例子是自動降槓杆系統 (ADL)，它策略性地將虧損分配給盈利的交易者，以抵消被平倉的交易者所遭受的虧損。本質上，它在盈利的交易者中重新分配虧損，以彌補這些平倉所造成的未償還債務。
用戶可能對強制平倉持有疑問。爲解決這個問題，交易所可以利用協處理器使用鏈上數據執行保證金引擎邏輯，並生成證明以驗證正確的計算。由於ADL事件的發生頻率較低，因此對延遲和證明成本的擔憂最小。然而，使用無需信任且可驗證的Zk協處理器可以提高透明度和完整性，這對交易所及其用戶都有利。
貨幣市場
通過利用歷史鏈上數據的見解，協處理器有可能增強流動性提供者（LP）和借貸協議的風險管理。此外，協議可以基於數據驅動的分析提供改進的用戶體驗。
幾個月前，當 Curve 遭遇漏洞攻擊時，人們的注意力轉向了貨幣市場，數以百萬計的 CRV 代幣面臨清算風險。當貸款價值 (LTV) 比率變得不健康時，Frax 貸方在協議大幅加息中找到了一絲安慰。這激勵 Curve 創始人更快地償還債務。然而，AAVE 利益相關者表達了擔憂，並發起了關於減少抵押品容量和可能停止市場的討論。他們的擔憂源於流動性不足以成功清算的可能性，這可能導致壞帳和易受市場條件影響。
幸運的是，危機已經解決。定期審查貨幣市場上列出的資產非常重要，特別要關注其在市場上的流動性，尤其是在清算事件期間。非流動資產應被分配較低的貸款價值（LTV）比率和抵押品能力。
然而，正如我們在 CRV 情況中觀察到的那樣，貨幣市場風險參數變化的決策過程通常是反應性的。我們需要更加迅速和主動的措施，包括去信任的解決方案。人們一直在討論使用反饋控制來動態調整基於鏈上指標（如流動性利用率）的參數，而不是依賴於預先確定的曲線。一個有趣的概念涉及一個貸款池，用於驗證特定市場的鏈上流動性證明。控制器接收 ZK 協處理器根據鏈上指標計算得出的證據，表明資產何時不再具有足夠的流動性超過特定閾值。根據這些信息，控制者可以採取各種措施，例如調整利率、設定貸款價值上限、暫停市場，甚至完全停止市場。
更先進的策略可能包括根據上一周的鏈上流動性定期調整抵押品借貸能力或利率曲線。確切的門檻將通過 DAO 內部的討論來確定。它可以通過考慮歷史鏈上交易量、代幣儲備、一次性互換的最小滑點等因素來確定。
對於貸款人和借款人來說，貨幣市場可以提供增強的服務和體驗，類似於 DEX 中 VIP 交易者的費用回扣計劃。現有的信用評分解決方案旨在創建鏈上用戶的全面檔案。目標是激勵良好的行爲，例如通過避免清算事件、維持健康的平均貸款價值比率、穩定的大額存款等來證明有效的風險管理。這些積極行爲可以得到無需信任的獎勵，包括與普通用戶相比更好、更平滑的利率、更高的最大LTV和清算比率、清算緩衝時間、更低的清算費用等等。
質押和再質押
信任最小化的預言機
自從 Merge 和 上海升級以來，流動性質押市場已成爲 DeFi 最大的市場。值得注意的是，Lido 的 TVL 已超過 290 億美元，而 Rocketpool 的 TVL 超過 36 億美元。
鑑於涉及大量資金，值得注意的是，用於報告信息的預言機（例如信標鏈上相關驗證器的準確餘額）仍然是值得信賴的。這些預言機在向執行層的涉衆分配獎勵方面發揮着至關重要的作用。
目前，Lido 採用 9 人中 5 人的法定人數機制，並維護一份可信成員名單，以防範惡意行爲者。同樣，Rocketpool 也是通過一個只接受邀請的 Oracle DAO 來運行的，該 DAO 由節點操作員組成，他們受托更新執行層智能合約中的獎勵信息。
然而，必須認識到，如果大多數受信任的第三方受到損害，可能會嚴重損害流動質押代幣（LST）持有者以及建立在 LST 之上的整個 DeFi 生態系統。爲了降低錯誤/惡意預言機報告的風險，Lido 已就位一系列“健全性檢查” 在協議的執行層代碼中實現。
隨着 EIP-4788“EVM 中的信標塊根”的引入，協處理器可以更輕鬆地訪問和計算共識層上的數據。=Nil;基金會,Succint 和 DendrETH 都在爲 Lido 開發自己的 ZK-proof TVL 預言機。爲了確保最大程度的安全性，Lido 可以利用多重防護架構。
以 =nil; 的設計爲例，在較高的層面上，預言機從共識層和執行層獲取基本信息，例如 Beacon 區塊頭、Beacon 狀態、Lido 合約地址等，然後計算出一份報告所有 Lido 驗證器的總鎖定值和驗證器計數。這些數據以及其他必要的信息被傳遞給證明生成者並在專用電路上運行以生成 ZK 證明。預言機檢索證據並將證據及其報告提交給智能合約進行驗證。請注意，這些預言機設計仍處於測試階段，可能會發生變化。
然而，值得注意的是，由於通過 4788 發送的內容有限，總會有一些數據可能無法在 EL 端得到證明，並且該數據子集可能仍然需要預言機。
此外，信任最小化的 ZK 證明預言機仍處於起步階段。 Lido 貢獻者提出的方法是使用 ZK 預言機提供的信息作爲對可信預言機所做工作的“健全性檢查”，直到這些 ZK 實現可以進行戰鬥測試。現階段將預言機系統中的信任全部轉移到 ZK 系統風險太大。
此外，這種大小的數據的證明計算量非常大（例如，甚至可能需要 30-45 分鍾）並且非常昂貴，因此，在目前技術成熟的情況下，對於諸如每日甚至日內之類的事情，它們並不是合適的替代品報告。
驗證者風險和績效分析
驗證者在質押生態系統中發揮着至關重要的作用。他們在信標鏈上鎖定 32 ETH 並提供驗證服務。如果他們表現得當，他們就會得到獎勵。然而，如果他們行爲不端，他們將面臨削減。驗證器由具有不同風險狀況的節點運營商運行。它們可以被策劃（例如 Lido 的策劃驗證器集）、綁定（例如 Rocket pool、Lido 的CSM）或單獨的質押者。他們可能會選擇在雲數據中心或家裏運行他們的服務，在加密貨幣監管友好或不友好的地區。此外，驗證者可以利用 DVT 技術來拆分內部節點或加入集羣以增強容錯能力。隨着 Eigenlayer 和各種 AVS（主動驗證服務）的出現，驗證器可能會提供除以太坊驗證之外的其他服務。毫無疑問，驗證者的風險狀況將很復雜，因此準確評估其風險狀況至關重要。憑藉良好的驗證者風險和性能分析，它打開了無限可能性的大門，包括：
首先，風險評估在建立風險評估體系中發揮着至關重要的作用。無許可驗證器集。在 Lido 的背景下，質押路由器的引入和未來的 EIP-7002 “執行層可觸發退出”可以爲驗證者的無許可加入和退出鋪平道路。加入或退出的標準可以根據驗證者過去驗證活動得出的風險概況和性能分析來確定。
第二，DVT 中的節點選擇。對於單獨的質押者來說，選擇其他節點來創建 DVT 集羣可能是有益的。這有助於實現容錯並提高產量。節點的選擇可以基於各種分析。此外，集羣的形成可以是無需許可的，允許具有強大歷史性能的節點加入，同時可以刪除性能不佳的節點。
第三，再質押。 流動性再質押協議（Liquid Restaking Protocol）使重新抵押者能夠參與 Eigenlayer 的再抵押市場。這些協議不僅產生稱爲流動性再質押代幣（LRT）的流動性收據，而且旨在爲再質押者確保最佳的風險調整回報。例如，其中之一Renzo 的策略包括構建具有最高夏普比率（Sharpe Ratio）的 AVS 投資組合，同時遵守指定的最大損失目標，通過 DAO 調整風險承受能力和權重。隨着越來越多的 AVS 項目啓動，優化對特定 AVS 的支持以及選擇最合適的 AVS 運營商變得越來越重要。
到目前爲止，我們強調了驗證者風險和性能分析的重要性，以及它所支持的廣泛用例。然而，問題仍然存在：我們如何準確評估驗證者的風險狀況？Ion Protocol 正在開發一種潛在的解決方案。
Ion Protocol 是一個利用可證明的驗證器支持的數據的借貸平台。它使用戶能夠以其質押和再質押頭寸借入 ETH。貸款參數，包括利率、LTV 和頭寸健康狀況，由共識層數據確定，並由 ZK 數據系統保護。
Ion 正在與 Succinct 團隊合作開發 Precision——一個無需信任的框架，用於驗證以太坊共識層上驗證者的經濟狀態。其目的是創建一個可驗證的系統，準確評估抵押資產的價值，減輕任何潛在的操縱或削減風險。一旦建立，該系統可以促進貸款發放和清算流程。
Ion 還與 Modulus Labs 合作，利用 ZKML 對借貸市場進行去信任分析和參數化，包括利率、LTV 和其他市場細節，以最大限度地減少異常削減事件時的風險暴露。
結論
DeFi 確實非常了不起，因爲它徹底改變了金融活動的進行方式，消除了對中介機構的需求並降低了交易對手風險。然而，目前 DeFi 在提供良好的用戶體驗方面還存在不足。令人興奮的消息是，隨着協處理器的引入，這種情況即將發生變化，協處理器將使 DeFi 協議能夠提供數據驅動的功能，增強用戶體驗並完善風險管理。此外，隨着去中心化人工智能基礎設施的進步，我們正在邁向智能 DeFi 的未來。
聲明：
- 本文轉載自[mirror]，著作權歸屬原作者[lukewasm.eth]，如對轉載有異議，請聯系Gate Learn團隊，團隊會根據相關流程盡速處理。
- 免責聲明：本文所表達的觀點和意見僅代表作者個人觀點，不構成任何投資建議。
- 文章其他語言版本由Gate Learn團隊翻譯， 在未提及Gate.io的情況下不得復制、傳播或抄襲經翻譯文章。
相关文章
一文解讀什幺是區塊鏈