FLASH:Flashbots的MEV竞拍是最优的吗？

由Flashbots开创的MEV竞拍服务已受到了矿工们的欢迎，那么这种竞拍是否是最优的呢？

注：原文作者是斯坦福大学电气工程博士GuillermoAngeris，placeholder研究员AlexEvans以及Gauntlet创始人TarunChitra。

在包分配问题中，矿工面临着固定数量的交易，而他们要将这些交易包含在给定的区块中，此外，矿工还可以选择在该区块中包含哪些包。矿工通过将每个包包含在区块中来赚取利润，然而，包具有很多必须要考虑的分配约束。在这篇文章中，我们给出了一个简单的整数线性规划问题公式，并提供了一些基本的扩展。

简介

矿工可提取价值这个术语，指的是矿工根据交易排序可获得的任何超额利润。在区块链等去中心化系统中，用户通过点对点的gossip网络向矿工提交一组交易和费用。而矿工们会收集这些交易，并将它们分批成一个完全有序的序列，然后由大多数矿工验证并接受作为下一个区块。

然而，在很多区块链中，矿工可选择要包含的交易集以及提交交易的顺序。

如果一名矿工提交一笔具有经济意义的交易，他们可以对交易重新排序以确保他们的交易首先执行，这也被称为抢先交易。自从MEV这一概念被提出以来，已经出现了很多涉及闪电贷、借贷以及三明治攻击的新型MEV形式。MEV代表了一种价值提取形式，而用户无法通过简单地修改其交易竞价行为来消除它。

公平。从理论上讲，MEV可能导致区块链共识不稳定，并可能迫使用户在预期交易费用之外支付额外的费用来处理交易。这也引出了很多研究，而这些研究的重点是保证交易排序及包含方面的“公平性”。而公平算法尝试使用密码学方法，例如对交易排序或待处理交易状态的时间锁承诺，以强制基于时间的“公平”保证。

Free-to-Play H5游戏Flappy Moonbird将于5月9日在以太坊链上开启铸造:4月27日消息，Free-to-Play H5 游戏 Flappy Moonbird 宣布将于 5 月 9 日在以太坊链上开启铸造。

此前消息，Flappy Moonbird 于 4 月 25 日宣布以 6000 万美元估值完成 200 万美元 Pre Series B 融资，FBG Capital 领投。Flappy Moonbird 由法国视频游戏开发商和发行商 Voodoo 旗下工作室 Helix Table 制作，该公司开发了 100 多款休闲游戏。[2023/4/27 14:30:46]

MEV竞拍。或者，有一些研究工作表明，MEV是区块链独有的，它无法通过纯粹的密码学方式删除。这一系列工作有效地表明，相比用密码学方式删除MEV，矿工和用户共享MEV利润将导致稳定的均衡。

在这个由Flashbots开创的世界中，“探索者”试图找到交易的最佳顺序，然后竞标由矿工以特定顺序执行的“包”交易。这种出价通过MEV拍卖进行调解——即参与者愿意在链下拍卖中向矿工支付额外的优先出价。因此，MEV竞拍是更受欢迎的，并且这种方式在2021年为矿工创造了超过7亿美元的额外收入。

最优性。然而，一个自然要问的理论问题是，这种竞拍是否是最优的呢？目前，Flashbots竞拍通过使用约束求解器解决背包问题(Knapsackproblem)来有效地执行交易包。但是从理论上讲，我们应该期望近似整数线性规划(ILP)的解决方案是“最优”的吗？应该如何描述最优性？由于MEV是根据所有资产的可提取价值来定义的，因此任何最优概念都取决于任何一组交易和包可实现的最大利润。

Flashbots推出MEV-Share，以分配给以太坊用户部分抢跑收益:4月20日消息，以太坊基础设施服务 Flashbots 推出 MEV-Share 协议的测试版，旨在将最大可提取价值（MEV）收益的一部分分配给以太坊用户。MEV-Share 协议包含在 Flashbots Protect 中，Flashbots Protect 是一种可以与用户钱包集成的远程过程调用 (RPC) 工具，旨在抵御试图通过抢先用户交易获取利润的机器人。

Flashbots 声称，通过 MEV-Share 可以让用户能够调整隐私设置和管理订单流共享，这可以防止抢先交易，同时有选择地与操作 MEV 机器人的搜寻者共享交易信息。因此，用户有资格获得MEV 再分配奖励，同时保持基本的隐私水平。[2023/4/21 14:16:55]

总结。在这篇短论文中，我们给出了在单个区块中包含交易包的最优ILP的首个正式描述。我们的描述侧重于MEV的三种操作形式，包括抢先交易、尾随交易以及三明治交易。我们假设在实践中使用的精确gas模拟方法是作为预处理步骤执行的，它将分配问题与正确估计单个包利润的问题解耦。我们的公式可以很容易地用高级描述语言进行优化并在实践中使用。

定义

在这节内容中，我们首先来描述一下这篇论文中使用的基本定义。

交易：矿工通常从一系列的交易开始，我们把这些交易写成一些集合T。这些交易由区块链的用户提供，它们可以是Uniswap或Curve的swap交易、借贷或预言机更新等交易。

包：矿工还接受许多由用户提交的包，所谓包是一个带有关联交易的操作，每个包还包括了一些出价，例如，用户愿意支付多少钱才能将其包包含在区块中。矿工可以决定区块中包含哪些包以及交易。而矿工从包中获得的利润，等于区块中包含的各个出价的总和。

瑞波合作伙伴Flare计划将XRP和以太坊生态系统融合:瑞波合作伙伴Flare计划为现有的以太坊应用程序提供进入XRP市场的权限。前瑞波CTO Stefan Thomas透露，他们最初打算为XRP引入智能合约，但由于众多障碍，该计划最终被取消。如果Flare的桥接方案获得批准，XRPL将成为去中心化应用程序的扩展平台，并提供更高的交易吞吐量。去年年底，Ripple投资部门Xpring宣布投资Flare Networks以支持XRP的新用例。（U.Today）[2020/8/26]

操作：从以前开始，每个包都将一个操作与一笔交易相关联。可能的操作是：抢先交易t，尾随交易，以及三明治交易。

对于给定的交易t∈T，要么是进行三明治交易t，要么是进行抢先交易以及尾随交易t。例如，如果有三个包与交易t关联，其中一个在t之后进行尾随交易，一个执行抢先交易，另一个执行三明治交易，那么矿工可以选择包括抢先交易包和尾随交易包，或者是三明治交易包，但不能同时包括这两个类型。

我们把这三个操作的空间称为A。现在我们可以很容易地将包定义为与交易t∈T相关联的操作，而它会有一个出价金额。即包是一个三元组(a,t,p)∈A×T×R+，所有包的集合将由B?A×T×R+给出。

利润最大化。剩下的问题是：矿工如何选择哪些交易包含在他们的区块中，以实现利润最大化？在下一节中，我们将展示这一问题可表述为一个简单的整数线性规划问题，而其通常可通过现代计算机在合理的时间内解决。

问题表述

我们将利润最大化问题表述为整数线性规划(ILP)，我们将其称为包分配问题。

设置函数。为方便起见，我们将编写定义以下函数。这里，t∈T是一笔交易，而B是所有包的集合。

昨日凌晨CDN服务商Cloudflare宕机导致比特币交易量下降:7月18日消息，UTC时间7月17日9:46（北京时间7月18日5:46）,CDN服务商Cloudflare报告了其网站上遭遇宕机。这影响了互联网的大部分内容，并导致比特币交易量下降。

比特币工程师、专家Jameson Lopp对此表示，这表明大量加密用户主要使用中心化存储和交换选项，这使得该领域不像该行业建立的理想和技术那样去中心化。（Cointelegraph）[2020/7/19]

我们将s定义为与三明治交易t关联的包集合：

类似地，f是与t相关联的抢先交易，b是与t相关联的尾随交易。我们假设B由b=1,2,...索引，其中n是提议的包的数量。

问题陈述：将包分配问题写成整数线性规划问题的一种简单方法如下：

这里，

Ripple前高管Dilip Rao加入支付平台FlashFX:6月23日消息，Ripple前高管Dilip Rao宣布加入国际汇款公司FlashFX。据悉，FlashFX是利用RippleNet网络建立的支付平台。Dilip Rao此前在Ripple担任全球基础设施和创新主管。（U.Today）[2020/6/23]

是优化变量，如果当前区块中应包含包b，则xb为1，否则为0。问题数据是

，这是一个向量，使得cb≥0是矿工在他们的区块中包含包b所获得的利润，而T是要包含在此区块中的交易集）。

标准形式。问题(1)可以用矩阵表示法写得更简洁一些。为此，我们将定义m=|T|，交易总数，以及矩阵

为：

对于每笔交易t∈T和包b∈B，使用这些新的定义，问题可用以下方式编写：

其中1是适当维度的全1向量，而

是优化变量。

解释。我们可以将目标和约束解释如下。目标

仅仅是包含在区块中的包给出的利润总和。第一个约束意味着区块中最多包含一个三明治包，或者区块中最多包含两个抢先交易或尾随交易t的包。第二个约束意味着对于每笔交易t，最多包含一个抢先交易包，以及最多包含一个尾随交易包，而最后一个约束是将x的条目约束为布尔值。

放宽松。一般来说，除了非常小的实例之外，问题(1)可能很难解决，因为x的条目有布尔约束。但是，在许多实际情况下，将布尔约束放宽为边界约束，经过一些简单的舍入方案后，可以产生合理的实际性能以及合理的解决方案。一般来说，这个宽松问题的最佳目标，始终是矿工可能获得的最大利润的上限，而任何舍入方案都会给出一个下限。这可以用来给出所提议的包分配的次优程度的一个界限。例如，如果放宽后的利润为1.2ETH，而拟议分配的利润为1ETH，则拟议分配的次优性最多为1.2/1?1=20%。换句话说，最多可将提议的分配提高20%。

2.1扩展

问题有几个简单但非常有用的扩展。

包约束。例如，用户可能希望指定几个包，这些包必须由矿工一次性全部包含，或者根本不包含。我们可以把它写成包Bi?B的子集。对于i=1,。..,?，如果Bi中包含任何一个包，则矿工必须包含包Bi的整个子集。

新的优化问题由下面的公式给出：

其中优化变量是

和

，而问题数据是在(2)中定义的矩阵

和矩阵

：

换句话说，D是一个对角矩阵，其对角条目是集合Bi的大小，而F是一个矩阵，使得(Fx)i给出了Bi中要包含在区块中的包的数量。约束Fx=Dy简单地表示，对于每个可能的i，要么包含所有|Bi|包，要么只包含0个包。

gas限制。另一种可能的扩展，是在优化问题上包含总gas约束。例如，当包含在区块中时，每个包b∈B可能使用一些最大量的gas。我们可以很容易地附加约束，即包使用的最大gas总量不超过交易）执行后剩余的gas量；即

，其中M≥0是剩余的gas量。我们注意到，这可能是一个很难获得合理限制的数量，因为当区块中包含包时，交易使用的gas可能会发生巨大变化。有其他可能的方法来进行计算，但我们不在这里讨论它们。

结论

在这篇论文中，我们提供了一个简单但非常通用的公式，它可以用于解决矿工利润最大化包分配的问题。虽然该问题通常是NP问题，但我们怀疑大多数整数线性规划求解器在实际情况下可能有很好的表现。

标签：MEVFLASHASHLASHMEVRFLASH币0cashLASH币

fil币价格今日行情热门资讯