深入探讨应用特定序列化

特别感谢 @ThogardPvP 和 @jacobeth4 来自 @0xFastLane，@ballsyalchemist 来自 @sorella_labs，以及 @DariusTabai 来自 @vertex_protocol 在文章早期版本的阅读和反馈。

引言

随着区块链技术的发展，去中心化应用（dApps）在管理交易排序以优化用户体验、价值保留和安全性方面面临日益严重的挑战。传统的区块链架构往往使 dApps 对外部参与者的控制力有限——如矿工、验证者和搜索者构建者——这些外部参与者控制交易的排序和包含。这种控制力的缺乏可能导致价值泄漏，不公平的用户结果，包括对恶意行为（如抢跑交易或三明治攻击）的脆弱性。

应用特定排序（ASS） 作为一项关键创新出现，为 dApps 提供了更大的控制权，使其能够掌控影响其状态的交易的包含和排序，而无需建设和保持自己的应用链所带来的开销及资产可组合性的损失。通过根据特定需求自定义排序机制，dApps 可以减少负外部性、内化价值并提升整体系统效率。然而，实现 ASS 确实会带来复杂的权衡，特别是在可组合性和价值捕获之间，并引发关于基础设施设计和激励结构的关键问题。

本文探讨了 ASS 的微妙之处，综合当前项目的洞察，并考察这一设计空间中的固有权衡。我们的目标是为研究人员和开发者提供一个全面的视角，以进一步研究和优化 ASS 机制。

在深入探讨应用特定排序之前，让我们简要了解关于排序的基本概念，以及排序的广泛设计谱系，包括去中心化排序和共享排序。

背景 - 排序谱系

动机 - 交易排序的重要性

在区块链网络中，交易排序——确定哪些交易被包含在区块中及其顺序——是 dApps 操作的基础。排序直接影响：

• 价值所有权和流动：排序者（通用）在资产转移及谁获得控制权方面扮演着重要角色。
• 用户体验：影响交易确认时间、费用和可预测性。
• 交易完整性和公平性：影响对 MEV 提取及操控行为的脆弱性。

MEV 在交易排序中的作用

MEV 指的是矿工或验证者及其他提取者通过重新排序、包含或排除他们产生的区块中的交易而获得的利润。MEV 可以以多种形式表现：

• 套利 MEV：利用交易所间的价格差异进行套利。
• 清算 MEV：通过清算抵押不足的头寸获利。
• 三明治 MEV：在目标交易之前和之后放置交易以操控价格。
• 时间盗贼 MEV：重新组织过去的区块以提取额外价值。

MEV 提取通常以用户和被动 AMM（或在陈旧价格上提供流动性的用户）的利益为代价，导致 dApp 生态系统中的价值泄漏，并削弱用户的信任。

什么是 Rollups 中的排序？

排序指在交易执行和提交到区块链之前对其进行排序的过程。在 Rollups 中，排序者负责：

• 排序交易：确定交易处理的顺序。
• 批量交易：将多个交易分组为批次以发布到主链（Layer1）。
• 提升性能：通过有效管理交易流提高吞吐量并减少延迟。

中心化排序

• 定义：由单个实体或严格控制的团体管理排序过程。
• 优势：
  • 高性能：减少协调开销，降低共识开销。
  • 简单性：更易于实施和维护。
• 特殊偏好：可以执行排序者操作员的交易排序偏好，防止 MEV 提取（FCFS）。
• 劣势：
  • 审查风险：中央排序者可能会不公平地审查或重新排序交易。
  • 可用性问题：如果排序者失败或变得恶意，则整个系统可能会停止。
  • 信任问题：用户必须信任排序者的诚信和可靠性。

去中心化排序

• 定义：多个独立实体通过共识机制参与排序。
• 优势：
  • 抵制审查：更难以让任何单一实体审查交易。
  • 改善可用性：即使部分排序者失败，系统仍然保持操作。
  • 加强安全性：分布式控制减少攻击风险。
• 劣势：
  • 增加复杂性：由于排序者之间的协调更复杂，实施起来更加困难。
  • 潜在的性能权衡：共识机制可能引入延迟。
  • 经济激励挑战：协调参与者之间的激励可能很困难。
• 中心化风险：在去中心化排序中使用的执行票证和执行拍卖机制显着增加了区块提议市场的中心化，即使没有多区块 MEV 的顾虑。

共享排序

• 定义：共享排序涉及多个 rollups 或链使用一组共同的排序者。各个 rollup 不再拥有各自的排序者，而是共享排序基础设施。它们共享一个去中心化的排序者网络。
• 优势：
  • 资源效率：减少跨 rollups 的基础设施复制。
  • 便捷的互操作性：更轻松的跨 rollup 通信和可组合性。
  • 加强的安全性：参与 rollups 之间共享的安全模型。
• 劣势：
  • 协调复杂性：管理具有不同需求的多样化 rollup 的排序。
  • 激励失衡：不同 rollups 可能存在相互矛盾的经济激励。
  • 风险传播：其中一个 rollup 的问题可能会影响共享排序者的其他 rollups（“噪声邻居”问题）。

基于排序

• 定义：在基于排序的机制中，Layer2（L2）rollup 交易由Layer1（L1）区块链的验证者或提议者进行排序。L1 验证者同时负责 L1 区块提议和 L2 交易排序。
• 优势：
  • 利用 L1 的安全性：利用 L1 的现有安全性和去中心化支持 rollup。
  • 抵制审查：排序分布在 L1 验证者之间，降低审查风险。
  • 可用性：继承 L1 的可用性，确保交易处理的一致性。
  • 安全性：受益于 L1 验证者的经济安全。
  • 原子可组合性：实现 L1 和 L2 之间的跨层可组合性。
• 劣势：
  • 激励失衡：来自费用和 MEV 的收入流向 L1，而非 rollup。
  • 降低去中心化：只有一部分验证者可能选择排序，从而削弱去中心化。
  • 复杂性：L1 验证者必须运行额外的软件，增加操作开销。
• 风险：
  • 激励冲突：验证者可能优先考虑 L1 收入而非最佳 L2 排序。
  • 安全漏洞：较小的验证者子集增加了共谋或攻击的风险。

当前的排序机制

交易排序决定了区块链交易处理的顺序。不同的方法旨在提高性能、公平性和安全性。当前使用的主要机制包括：

• 提议者-构建者分离（PBS）与中继
  • 定义：PBS 将区块提议者（验证者）和区块构建者的角色分开。构建者创建通过提取 MEV 实现最大利润的区块，而中继则安全地将这些区块传递给提议者。
  • 工作原理：提议者通过中继拍卖区块权利。构建者汇集区块，中继安全地传送，然后提议者选择最有价值的区块添加到区块链。
  • 优势：优化的区块构建，更高的验证者收入。
  • 劣势：构建者/中继中心化的风险和对中继的信任，对复杂性的增加。
• 优先费用或先进先出（FCFS）排序者
  • 定义：在Layer2和应用链中，排序者按照优先费用或到达时间（FCFS）对交易进行排序。
  • 工作原理：排序者收集交易，高费用交易优先处理或按照到达排序者的顺序处理。
  • 优势：更好的性能、更简单的设计，FCFS 将 MEV 转变为延迟游戏。
  • 劣势：中心化排序者可以操控交易排序，导致 MEV 利用。
• 应用特定排序（ASS）
  • 定义：dApps 控制其自身交易的排序以减少 MEV 风险并改善用户体验。
  • 工作原理：dApps 设定交易排序的规则，以防止抢跑交易等操控策略。
  • 优势：与独立应用链相比，更好的安全性、用户体验、对 MEV 的控制，并保持可组合性。
  • 劣势：互操作性降低，复杂性增加，可能的中心化。

dApps 的激励和挑战

对孤立费用市场的渴望

dApps 的主要激励之一是掌控自己的费用市场。应用通常更倾向于孤立费用市场，以：

• 防止拥堵溢出：避免因不相关的网络活动峰值而影响用户的交易费用。
• 保持可预测的成本：确保交易费用保持稳定和可预测，并与应用提供的价值一致。

在共享排序的环境中，费用市场可能会合并。这种合并意味着一个应用的高需求可能会导致共享排序者的所有应用的费用增加。例如，如果一个共享链上的热门游戏经历活动激增，它可能会无意中提高同链上的去中心化交易所的交易成本。

捕获执行收入和 MEV

dApps 日益希望捕获其平台上产生的部分执行收入和 MEV。在 Rollups 的背景下，dApps 正在寻求以下两个主要目标：

• MEV 泄漏：在无法控制排序的情况下，外部实体可以提取 MEV，减少 dApp 本身的收入潜力。
• 收入分配的渴望：dApps 寻求机制以获取其用户的交易或用户与应用交互所产生的费用和 MEV 的份额。

共享排序使得这种收入捕获变得复杂，因为：

• 费用再分配复杂：公平和可执行地将费用和 MEV 分配回个别应用是具有挑战性的。
• 激励失衡：共享环境中的排序者可能会优先考虑自身的收入，而非特定 dApps 或用户的利益。

应用特定排序作为替代方案

为了解决这些挑战，一些应用正在探索应用特定排序模型。该模型包括：

• 专用排序者：应用运行其自己的排序者或对排序过程拥有更大的控制力。
• 自定义费用结构：实施与应用经济模型一致的自定义费用机制。
• 直接收入捕获：增强在应用内部保留费用和 MEV 的能力。
• 自定义排序逻辑：使用去中心化的预言机网络（DON）来减轻 MEV 的不利影响的交易排序解决方案，例如 Themis。

通过控制排序，dApps 可以：

• 减轻 MEV 风险：减少外部方不必要的 MEV 提取。
• 优化用户体验：为用户提供更可预测和稳定的交易费用。
• 对齐激励：确保排序者行为与应用目标直接对齐。
• 提供来自外部拥堵的保护：应用免受其他平台上不相关活动引起的网络拥堵影响。

通过自定义排序基础设施，应用可以实现：

• 更高的吞吐量：适应 dApp 的特定交易模式和交易量。
• 更低的延迟：根据 dApp 的需求微调排序过程，以减少延迟。
• 专用功能：实施自定义功能，如本地费用市场、MEV 再分配、先进的加密技术或状态访问优化。

应用特定排序框架

Fastlane 的 ASS 框架

图：Fastlane 的 ASS 框架，来源：Fastlane

FastLane 的 ASS Spectrum 框架 描述了可组合性与价值捕获之间的平衡，展示了不同排序方法如何影响应用与其他应用的交互能力和内化价值。

• 高可组合性与价值捕获：优先确保与其他应用的无缝交互（高可组合性）的 dApps 可能牺牲其对交易排序的一些控制，导致更容易受到 MEV 攻击，更少能够内部捕获价值。
• 低可组合性与价值捕获：限制与其他应用交互的 dApps 获得更多控制权，从而更好地防范 MEV 利用并捕获更多价值。然而，这可能降低互操作性并可能影响用户体验。
• 这种权衡存在的原因是交易排序是在一个独立的内存池中确定的。ASS 排序器和打包者对其他交易及其状态没有知识，因此无法提供原子可组合性保证。
• 找到合适的平衡：每个 dApp 必须考虑自己的优先事项，并选择一种在需要可组合性与希望内部化价值和保护用户之间达到平衡的排序方法。这涉及对如何与其他应用交互以及如何结构交易处理以优化安全性和功能性的战略决策。

示例

• 高可组合性的 dApp：一个与多个其他 dApps 集成的借贷平台，提供广泛的服务，接受无法完全控制交易排序但提供丰富用户体验的事实。
• 低可组合性的 dApp：一个专注于在其自身平台内保证交易的去中心化交易所，通过控制交易排序来防范 MEV 攻击，但提供与其他应用的有限互操作性。

具体案例说明这些谱系

尾随套利与外部可提取价值（OEV）

• 预言机可提取价值（OEV）指的是 dApps 通过控制依赖于预言机提供的外部数据的交易的排序来捕获的价值。通过有效管理这些交易的处理顺序，像 API3 或 Warlock 这样的 dApps 可以优化使用由预言机提供的信息，防止外部参与者操控交易结果以提取价值。
• 通过 OEV 捕获的价值按分配给生态系统内的各个利益相关者，包括：dApp、用户和流动性提供者（LPs）。
• 数学公式**

来自尾随套利的预期值：

$$E[V{\text{backrun}}] = \sum{i} P{i} \cdot \Delta{\text{price}, i} \cdot V_{\text{trade}, i}$$

其中：

• $P_{i}$：盈利尾随机会的概率。
• $\Delta_{\text{price}, i}$：交易 $i$ 的价格影响。
• $V_{\text{trade}, i}$：交易的量。

Based Rollups 的解决方案

• 利用Layer2解决方案或应用特定链优化性能并降低成本。dApps 在排序和执行参数方面获得广泛控制，但可能面临孤立、安全考虑和引导流动性、插件集成的挑战。
• 数学考虑**

成本降低：

$$C{\text{total}} = C{\text{rollup}} + C_{\text{settlement}}$$

其中 $C{\text{rollup}}$ 显著低于 $C{\text{on-chain}}$ 的执行成本。

安全模型要求确保：

$$P_{\text{security breach}} \ll \epsilon$$

其中 $\epsilon$ 是可接受的低概率阈值。

反 LVR 拍卖

• LVR 解释：当套利者利用 AMM 中的陈旧价格时，流动性提供者（LPs）承受损失。LVR 量化此类损失与最优再平衡投资组合相比的程度。

• 目标：实施机制以减轻 LVR，保护 LPs 免受价值提取。

• 实施

  • 拍卖机制：dApps 举行拍卖以确定能最小化 LVR 的交易排序。
  • 智能合约更新：需要进行修改以支持拍卖逻辑并执行排序规则。

• 数学公式

  最小化 LVR：

$$\min{\sigma} L{\text{LVR}}(\sigma)$$

其中 $L_{\text{LVR}}$ 是由于 LVR 而产生的损失，$\sigma$ 代表排序策略。

$$\Delta P = P{\text{external}} - P{\text{AMM}}$$

$$Q_{\text{arb}} = f(\Delta P)$$

其中 $f$ 是一个函数，表示套利量如何响应价格差异。

$$L{\text{LVR}} = Q{\text{arb}} \cdot \Delta P$$

通过批量处理，$\Delta P$ 由于 AMM 的价格更新频率降低而减少，从而结算价格能更好地反映 $P_{\text{external}}$。

dApp 开发者的战略考量

在评估将你的应用程序摆放在 ASS 谱系的何处时，开发者必须考虑：

应用目标

• 用户体验：无缝集成其他 dApps 对你的用户是否至关重要？
• 收入目标：内部化 MEV 对你的商业模型有多关键？
• 安全优先级：你是否需要进一步控制交易排序以降低风险？

技术限制

• 基础设施可用性：有没有必要的工具和平台来实施你所期望的排序策略？
• 开发资源：你是否具备构建和维护更复杂的排序机制的专业知识和能力？

生态系统动态

• 市场预期：你的定位将如何影响用户采纳和信任？
• 竞争格局：是否有其他 dApps 提供类似功能的不同排序方法？

合规及合规因素

• 透明性要求：链下执行和减少可组合性可能会影响合规义务。
• 风险管理：考虑由非标准排序方法引入的潜在漏洞。

应用特定排序 - 当前格局

Fastlane 的 Atlas 协议

FastLane 的 Atlas 协议是一种通用的执行抽象，旨在促进应用层可编程的 MEV 缓解。Atlas 简化了定制订单流拍卖（OFA）的部署，使开发者能够更轻松，更灵活地实现应用特定排序。通过利用执行抽象（EA），即账户抽象（AA）的一个子集，Atlas 取代了对某些来自区块构建者的保证的需求，为无权限的订单流和去中心化的 MEV 缓解策略铺平了道路，适用于任何 EVM 链。

Atlas 背后的动机

现有的 OFA 存在中心化风险，例如解算工具主导和不透明的 MEV 供应链。Atlas 旨在提供默认的 MEV 保护，无需用户更改 RPC 设置，目标是最需要保护的非技术用户。

Atlas 架构概述

图：Atlas 交易生命周期的高层次概述。来源：FastLane Atlas。

Atlas 作为核心，提供了一个模块化和可定制的框架，允许 dApps 定义自己的交易排序逻辑。关键组成部分包括：

• 入口合同：这个智能合约协调整个交易流。它管理用户与解算器的操作，确保正确的打包出价被选择和执行，保证动作序列的正确性。
• SDK：简化与该协议的集成。
• 关键角色：
  • 发起者 - 通过生成用户操作，智能合约调用或签名的 EIP-712 消息来启动 Atlas 过程，表示用户的意图。
  • 拍卖者 - 将用户操作与解算器操作聚合，使用在 DAppControl 模块中定义的出价估值函数对其进行排序，并确保正确的执行顺序。
  • 操作中继 - 促进发起者、拍卖者与解算器之间的通信。这可以是传统的中继、第 3 层，甚至是与应用相同网络的智能合约。
  • 打包者 - 将完整的 Atlas 交易打包并提交到网络，供块包含。
  • 解算器 - 竞争为给定的用户操作提供最佳执行，可能会为用户或应用捕获 MEV。
• 执行环境：使用 delegateCall 和 Permit69 确保安全的操作执行。
• atlETH：用于价值传输和Gas费用管理的包裹 ETH。
• DAppControl 合约：定义特定于应用的逻辑和参数。

在 FastLane 的 Atlas 协议中，打包者可以由：

• 任何人（无权限）：任何实体都可以作为打包者，允许去中心化的系统。
• 指定实体：比如一个批量聚合器的智能合约、一个受信任的实体或应用选择的一组。
• 自我打包：发起者（用户）或解算器可以打包并提交自己的交易。
• 安全解决方案：使用安全环境（如 TEE）进行的高级设置确保打包者无法篡改交易。

CallChainHash 保证打包者无法更改操作的顺序，从而保持过程的安全。

Atlas 中的关键角色

发起者

• 角色：通过生成 UserOperation 来启动 Atlas 过程，UserOperation 是表示用户意图的 EIP-712 签名消息。
• 灵活性：可以是终端用户、智能合约或任何可由 Atlas EntryPoint 合约验证的实体。
• 影响：设置交易的参数和初始条件，影响后续的执行。

拍卖者

• 角色：将 UserOperations 与 SolverOperations 聚合，使用 DAppControl 模块中定义的出价估值函数对其进行排序，并确保正确的执行顺序。
• 指定：通常为发起者或应用指定的受信任实体。
• 影响：决定解算器出价的优先级，直接影响交易排序。

操作中继（OR）

• 角色：促进发起者、拍卖者与解算器之间的通信。
• 自定义：应用可根据需求选择 OR - 优先考虑去中心化、延迟或隐私。
• 影响：有效传输操作，同时可能减轻抢跑交易和审查。

打包者

• 角色：将完整的 Atlas 交易打包并提交到网络，供块包含。
• 配置：
  • 无权限：任何实体都可以作为打包者。
  • 指定：由特定的受信任实体或去中心化解决方案进行打包。
• 影响：确保交易按照因 CallChainHash 机制保持的执行顺序被包含在区块中。

解算器

• 角色：竞争以为给定的 UserOperation 提供最佳执行，可能会为用户或应用捕获 MEV。
• 影响：通过寻找最佳交易路径或尾随机会提高执行质量和效率。

技术机制

Atlas 入口合同

Atlas EntryPoint 合约是协议的核心：

• 中央协调：管理 UserOperations 和 SolverOperations 的执行流。
• 执行抽象：使用账户抽象允许应用定义自定义执行逻辑。
• CallChainHash 验证：确保预定操作顺序的保持，防止任何中介的篡改。

CallChainHash

• 定义：表示 Atlas 交易中操作的有序序列的加密哈希。
• 功能：确保操作的完整性和排序，一旦签名，交易序列便不可更改。
• 生成：使用 getCallChainHash(SolverOperations[]) 函数生成，并由拍卖者签名。

执行环境（EE）

• 目的：为通过 delegateCall 执行操作提供一个安全的、信任被最小化的环境。
• Permit69：一种专业的代币许可功能，通过验证代币转账的来源来增强安全性，从而防止未经授权的转移。
• 影响：确保特定于应用的逻辑被安全地并如预期执行。

atlETH

• 定义：在 Atlas 中使用的包装 ETH 代币。
• 功能：
  • Gas费用托管：解算器预存Gas费用，确保覆盖其操作的成本。
  • 价值传输：在交易中促进安全和高效的价值传递。
• 跨操作闪电贷：允许在交易中暂时借入 atlETH，从而启用复杂的金融操作。

本地打包

• 概念：将多个操作聚合到一个交易中，利用 AA 简化执行和Gas费用管理。
• 优势：
  • 无权限执行：移除对区块构建者的依赖以保证交易被包含。
  • 原子性：确保所有操作作为一个整体执行，保持交易序列的完整性。
  • MEV 应对：允许应用根据其政策捕获和再分配 MEV。

Atlas 如何实现应用特定排序

Atlas 通过几个机制赋予应用控制交易排序的能力：

• 自定义执行逻辑：开发者在 DAppControl 模块中定义执行参数和排序规则。
• 不可变排序和 allChainHash：签名的 CallChainHash 锁定操作的顺序，防止任何更改。
• 执行抽象：用户提交意图，而不是完整的交易路径，允许应用根据其逻辑进行解释和执行。
• 解算器竞争：解算器提交 SolverOperations，应用根据自定义出价估值函数决定其执行顺序。
• 本地打包和原子执行：操作被打包并以原子方式执行，确保遵循应用的排序。
• 跨链兼容性：Atlas 不依赖特定的区块构建者保证，使其适应任何 EVM 兼容链。

处理 MEV 和尾随拍卖

• 意图是中心的拍卖：用户提交意图，解算器竞争高效地履行这些意图，为用户或应用捕获 MEV。
• 尾随拍卖：解算器附加尾随操作以提取 MEV 或 OEV，价值基于应用政策进行共享。
• 批量拍卖：解算器在 DAppControl 的出价估值函数定义的最有效的方式中竞争对一批用户操作的排序。
• “区块顶部”拍卖：对于愿意降低可组合性以内部化外生 MEV（如 LVR）的 dApps，解算器竞争成为每个区块中首先与应用交互的实体。

在 Atlas 协议中处理闪电贷

Atlas 协议具备集成的、基于 Atlas 的跨操作闪电贷系统，旨在增强去中心化金融操作的灵活性和效率。在 Atlas 中，智能合约Hook可以在交易生命周期的解算器阶段之前调用 borrow() 函数以启动闪电贷。这种无缝集成使发起者能够访问流动性，而无需持有Gas代币，从而促进与依赖于 msg.value 参数的智能合约的交易。

此外，这些闪电贷可作为抵押以支持和管理多阶段结算，在发起者与解算器之间创建和销售结构化产品或衍生品的同时得以完成。

通过将闪电贷能力直接嵌入 Atlas 框架，该协议促成了复杂金融策略的实现，同时确保安全和高效的交易排序。这种设计不仅简化了用户的资本利用，还通过防止常见的闪电贷攻击和确保公正的价值分配在 DeFi 生态系统中保持其完整性和稳健性。

安全与信任最小化

• 不可变排序：Atlas 使用 CallChainHash，一个加密哈希，确保交易顺序不被更改，从而防止中介对序列的篡改。
• 安全执行环境：入口合约通过 delegateCall 和 Permit69 来安全地管理操作，验证代币转账并阻止未经授权的访问，保护用户资产。
• 解算器责任：解算器必须在 atlETH 中托管资金以支付Gas费用，促进诚实行为并阻碍垃圾邮件或恶意行为，因为他们需承担失败交易的费用。
• 去中心化解算器竞争：一群解算器竞争执行用户操作，减少对任何单一实体的依赖并最小化信任假设。
• MEV 对抗：通过在应用层控制交易排序，Atlas 减轻了如抢跑交易和三明治攻击等 MEV 风险，保护用户免受外部参与者的价值提取。
• 原子执行：Atlas Enable 原子执行操作，确保所有操作成功或均不执行，保持一致性和安全性。
• 透明性：开放源代码允许社区审计和验证，增强透明性并减少用户对系统的盲目信任。
• 可定制安全性：开发者可以通过 DAppControl 模块定义自定义执行逻辑和安全设置，针对应用的特定需求调整安全特性。

应用集成的步骤

将 Atlas 集成到应用中涉及三个步骤：

1. 嵌入 Atlas SDK：开发者将 SDK 集成到应用中以与协议进行交互。
2. 创建并发布 DAppControl 模块：定义用于交易处理的自定义逻辑、权限、排序规则和参数。
3. 初始化 DAppControl 合约：将应用的 DAppControl 模块链接到 Atlas 入口合约，并配置必要的设置。

Sorella Labs 的 Angstrom

Sorella Labs 引入了 Angstrom，这是一个完全无权限的Hook，实施应用特定排序。当前在 Uniswap V4 上，他们与去中心化的 ASS 集成。

LP 的困境

流动性提供者（LPs）给去中心化交易所提供流动性，允许用户交易资产。然而，他们常常面临：

• 不利选择： LPs 无法了解实时 CEX 价格，在给出可能过期的报价时，使得他们容易受到套利的影响。
• LVR 损失：当套利者通过利用 DEX 和 CEX 之间的价格差异而导致 LPs 承受损失时。

在 MEV 中的归属问题

归属问题指的是识别受到 MEV 提取影响的特定方并确保他们获得适当补偿的困难。当前的区块链架构缺乏识别的细致程度，以：

• 跟踪 MEV 来源：准确识别哪些用户或 LPs 遭受了不利影响。
• 公平再分配价值：将 MEV 利润合理分配给遭受损失的用户。

解决 MEV 问题

Angstrom 利用竞争性的边缘拍卖、LVR 拍卖、批量拍卖机制，并集成搜索者，以创建一个 LVR 的市场。这使得 LPs 能够恢复来自负选择的损失，交易者能够接收到最佳执行，而搜索者能够进入套利机会。

图：Angstrom 网络拓扑，来源：Fastlane

Angstrom 的工作方式

• 利益相关者：
  • 流动性提供者（LPs）：提供流动性并获得 LVR 损失的补偿。
  • 交易者：以保证执行的方式进行交易，获得 MEV 保护。
  • 搜索者：在 LVR 拍卖中出价进行套利，促进对 LPs 的补偿。
  • Angstrom 节点：构建最佳配对并获得协议费用。
• LVR 拍卖机制：确保竞争性投标，并将价值导回 LPs。
• 结算时间线：从订单提交到交易结算，确保确定性和公平执行。
• 批量独占：按特定顺序执行的原子批量，防止价值泄漏并减少审查激励。

技术细节

• 确保套利机会：Angstrom 的构建方式确保每当 DEX 和 CEX 之间存在价格差异时，总是存在套利机会。
• 限制订单和统一清算价格：短期限制订单在单一清算价格执行，最大限度地减少滑点并防止市场订单攻击。
• Angstrom 网络架构：
  • 节点：传播信息、缓存、验证订单并构建最佳批量。
  • 批量生命周期：包括传播、预提议和提交阶段。
  • 激励措施：搜索者之间的竞争将价值导向 LPs，节点获得奖励，对不诚实行为可经验不足的赔偿。

好处和影响

• 民主化套利：减少高频交易者的影响，促进一个竞争性生态。
• 中和提议者时机游戏：消除时机优势，并简化共识。
• 利益相关者的好处：
  • LPs：恢复损失，有动力提供流动性。
  • 交易者：以 MEV 保护的方式获得公正价格。
  • 搜索者：在没有过多贿赂的情况下获取盈利机会。
  • 节点：获取奖励，为去中心化贡献力量。

安全与信任最小化

Sorella 的 Angstrom 通过应用特定的排序增强安全性并最小化信任要求，直接应对与 MEV 相关的脆弱性。

• 消灭 MEV 利用：批量拍卖配合统一价格结算，防止抢跑交易和三明治攻击，以在单一价格履行交易。瞬态一块限制订单进一步通过最小化利用窗口以减少 MEV 提取。

• 通过去中心化实现信任最小化：无权限参与使得任何人都可以运行节点或充当搜索者，增强了去中心化，减少了对中央权威的依赖。
  节点操作员再抵押和质押原生代币将其激励与网络安全对齐，不诚实行为将导致被削减，因此抑制恶意行为。

• 抵制审查：原子批量执行减少了矿工或验证者审查交易的激励，按预定顺序执行这些交易。全面的订单中继解决方案消除了集中的中介，减少了审查和操控的风险。这一去中心化的订单中继通过网络的节点操作员参与订单的点对点广播、集体验证和对交易包含的共识来实现。通过要求超过 ⅔ 的网络签名并防止任意一个节点控制订单流，Angstrom 增强了抵制审查能力并降低了操控的风险。

• 保护市场免受操纵：限制订单和统一清算价格可以防止攻击者通过大额订单操控价格，确保所有参与者的公平执行。来自搜索者的套利利润被重新分配以补偿流动性提供者的负选择损失。

• 安全和透明的拍卖：竞争性的、无权限的拍卖促进了公平市场动态，并减少了共谋风险。 MEV 被准确归属并再分配给受影响方，增强了公平性和信任。

• 提高经济激励与安全一致性：对节点操作员的奖励激励诚实参与并促进网络安全。搜索者在没有过多贿赂的情况下获利，鼓励他们遵循协议规则。用户及流动性提供者获得公正补偿并获得 MEV 保护，增强信任和参与。

• 抵御攻击的韧性：质押要求通过提高创建多个身份的成本来遏制 Sybil 攻击。容错性确保网络功能，即使一些节点失败或表现恶意。高效的订单处理可以减轻拒绝服务攻击的影响，通过减少试图让网络崩溃的效果。

• 将信任假设降至最低：开放源代码的透明度，以及可审计的过程使参与者能够独立验证安全属性，减少对信任的依赖。内部化 MEV 机会降低了对外部系统的依赖，从而减少潜在的漏洞。

Vertex 协议

Vertex 是一个永续合约和现货去中心化交易所。它通过一个链下排序者来实现应用特定排序，以优化性能并最小化 MEV 风险。

关键特性

• 混合流动性模型：结合中央限制订单书（CLOB）与集成 AMM，增强流动性利用率。
• 应用特定排序：链下排序者实现与顶级中心化交易所相当的订单匹配延迟。
• 通用跨保证金管理：允许用户从单一账户管理多个头寸，增强资本效率。
• Vertex Edge：跨多个链扩展流动性，解决流动性碎片化问题。

应对挑战

Vertex 通过以下方法应对 DeFi 挑战：

• 高性能：链下排序者为高频交易者提供必要的实时交易体验和更好的价格发现。
• MEV 对抗：通过在链下处理操作来最小化对抢跑交易和三明治攻击的暴露。
• 资本效率：跨保证金管理降低了抵押要求，支持复杂的交易策略。
• 流动性汇聚：Vertex Edge 统一跨链的流动池，减少滑点和市场影响。

为用户捕获价值

用户受益于：

• 性能改善：滑点降低，执行质量提高。
• 成本节省：较低的Gas费用和减少的 MEV 暴露提高 LP 的净回报。
• 流动性获取：聚合的流动性提供更深的市场。
• 灵活性：集成的服务简化用户体验。

安全与信任最小化

• 减轻 MEV 利利用：通过链下排序者处理订单，Vertex 降低对 MEV 攻击（如抢跑交易和三明治攻击）的暴露，因为交易在执行前并未公开广播。低延迟执行（5-15 毫秒）进一步减少潜在攻击者利用交易信息的窗口。

• 减少信任：排序者定期将交易批次提交到区块链以确保透明度，并让用户验证链下操作是否与链上记录一致。通过非托管设计，用户保留对自身资产的控制，消除了对集中的中介的信任需求。

• 保护防操纵：透明的订单书为用户提供实时市场数据，降低价格操纵的潜力。安全状态同步确保排序者准确对齐链上状态，防止可能被利用的不一致。

• 经济激励与安全一致性：激励结构将参与者的利益对齐，以维护安全和公平的交易环境。风险管理协议包括实时监控和自动保证金检查，以保护系统免受过度风险和潜在违约。

• 抵抗攻击的韧性：分片状态管理提高了可扩展性，降低了跨链操作的攻击面。高级同步技术，例如链下并行处理订单、原子跨链交易、高效的跨链通信协议和更频繁的状态一致性检查，有助于降低延迟并防止跨链交易中的时机攻击。

• 将信任假设降至最低：公开源代码允许用户审计和验证协议的安全性，降低了盲目信任的需求。

安全考虑

虽然 Vertex 协议提供了令人印象深刻的性能和创新功能，但其对链下排序者的依赖引入了某些安全隐患：

• 排序者的违约行为：链下排序者处理订单匹配，可能会导致其进行不公平的操作，如抢跑交易或与用户对赌。这与 MEV 利用类似，有特权的实体通过牺牲普通用户的利益获利。

• 审查风险：由于排序者控制被处理的交易，因此可能会审查特定用户或交易，从而削弱平台的中立性和抵制审查能力。

• 订单匹配的公平性：由于对排序者操作缺乏全面透明，用户可能怀疑订单是否公平匹配并按照正确的顺序。因此，确保匹配过程的透明和可验证对于维护信任至关重要。

与基础层的对齐

Vertex 通过在用户的源链上结算交易来将激励与底层网络对齐，增加网络活动并使验证者受益。Vertex Edge 促进了连接网络之间的合作发展。

语义层

语义层使 dApps 能够实施可验证排序规则（VSR）和可验证聚合规则（VAR），使它们可以控制交易的排序和执行。这允许 dApps：

• 观察交易：在交易执行前查看用户交易。
• 执行政策：实施自定义规则和实时电路中断。
• 自主执行功能：减少对外部触发的依赖。

通过赋予 dApps 排序主权，语义层降低了 MEV 泄漏的风险，并为创新设计（如 AI 驱动的应用和执行层独立性）打开了可能性。

结论Application-Specific Sequencing（应用特定排序）代表了一项重大进展，允许去中心化应用（dApps）根据其需求平衡可组合性和价值捕获。通过授予对交易排序和执行的控制，ASS使dApps能够减轻MEV风险，优化操作并进行创新。

像FastLane的Atlas Protocol、Sorella Labs的Angstrom、Vertex Protocol和Semantic Layer等项目展示了实现ASS的多种方法。每个项目解决独特的挑战，提供针对其目标的量身定制的解决方案，为更丰富和更具韧性的去中心化生态系统贡献力量。

Application-Specific Sequencing将在赋能dApps实现更大主权、高效性和公平性方面发挥关键作用，从而推动去中心化应用的更广泛采用和创新。

参考文献

• https://www.youtube.com/watch?v=fw5Qu400ySY
• https://x.com/ThogardPvP/status/1829331564029005924
• https://github.com/FastLane-Labs/atlas/tree/main
• https://github.com/FastLane-Labs/atlas_whitepaper/blob/main/Atlas_Whitepaper.pdf
• https://www.youtube.com/watch?v=lLR_6tnKL2I
• https://www.youtube.com/watch?v=tHpAazIFDtQ
• https://x.com/0x94305/status/1580169706413051904
• https://chain.link/education-hub/maximal-extractable-value-mev
• https://research.chain.link/whitepaper-v2.pdf
• https://blog.chain.link/chainlink-fair-sequencing-services-enabling-a-provably-fair-defi-ecosystem/
• https://docs.vertexprotocol.com/getting-started/vertex-edge
• https://eprint.iacr.org/2021/1465
• https://www.youtube.com/watch?v=6jWf8zuBg2g
• https://www.youtube.com/watch?v=MaoZmrsH0iA
• https://www.youtube.com/watch?v=iV1XhAA8AZo
• https://www.youtube.com/watch?v=G2Cbh9z1ags
• https://www.youtube.com/watch?v=9uTXfD9kYJw
• https://ethereum-magicians.org/t/eip-7727-evm-transaction-bundles/20322
• Centralization in Attester-Proposer Separation, https://arxiv.org/abs/2408.03116

• 原文链接： github.com/thogiti/thogi...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～