@sui414 , @linoscope , @Brecht , @sui414 , @pascalst , @cshg , @dataalways , @awmacp 에게 귀중한 피드백과 의견 을 주셔서 감사드립니다.
본 연구의 초기 단계 에서는 Taiko Labs의 총체적 무정부 상태 모델 내 운영 역학에 대한 심층 분석을 수행했습니다. L1 블록에 L2 블록을 게시하려고 시도할 때 지속적으로 PGA를 놓치면서 Taiko Labs가 직면한 상당한 경제적 손실을 파악하고 정량화했습니다. 이 분석 결과, 경쟁적인 제안자 환경, 중복 거래 제출, 경제적 저해 요인, 비효율적인 자원 배분, 그리고 부조화로운 인센티브 구조가 Taiko Labs의 재정적 어려움에 기여하는 것으로 나타났습니다.
본 연구에서는 Taiko 시퀀싱 및 블록 생성에 완전한 무정부주의 접근 방식을 채택하는 기타 기반 롤업의 효율성 개념을 공식화합니다. Taiko 네트워크에서 활동하는 모든 시퀀서의 프로필과 행동을 연구 및 요약하고, 수익성, 전략 및 조정 메커니즘을 분석합니다. 여기에는 오프체인 계약, 프라이빗 멤풀 사용, 리버트 보호 등 다양한 시퀀싱 스타일을 파악하고, 시간 경과에 따른 수익 및 블록 기여도를 정량화하는 작업이 포함됩니다.
블록체인과 L2 롤업의 맥락에서 효율성은 시스템 내에서 자원이 얼마나 효율적으로 할당되고 활용되는지를 종합적으로 결정하는 여러 차원을 포괄합니다. 경제적 효율성은 블록 생성 비용을 최소화하는 동시에 거래 수수료 수익을 극대화하여 네트워크가 비용 효율적으로 운영되도록 보장하는 것과 관련됩니다. 연산 효율성은 중복 계산과 자원 낭비, 특히 블록 포함을 확보하지 못하는 시퀀서로 인해 발생하는 낭비를 줄이는 데 중점을 둡니다. 처리량 효율성은 블록 공간이 얼마나 효과적으로 활용되는지를 고려하여 고부가가치 거래를 우선적으로 포함시켜 전체 네트워크 용량을 향상시킵니다. 인센티브 정렬은 시퀀서의 행동을 형성하는 데 중요한 역할을 합니다. 인센티브가 잘못 정렬되면 비효율적인 경쟁과 과도한 자원 지출로 이어질 수 있기 때문입니다. 마지막으로, 복지 효율성은 거래 선택이 개별 시퀀서뿐만 아니라 네트워크 전체에 도움이 되는지, 불필요한 비용을 최소화하면서 고부가가치 거래를 포함하는지 여부를 검토합니다. 이러한 차원은 Taiko 시퀀싱 프로세스의 효율성을 평가하는 프레임워크를 제공하고, Taiko의 완전한 무정부 상태 모델이 초래하는 구조적 비효율성을 강조합니다.
L1에 블롭 트랜잭션을 제출하는 엔티티를 지칭할 때 Proposer 와 Sequencer를 혼용하여 사용합니다. L1의 Proposer를 지칭할 때는 L1 Proposer라고 사용합니다.
타이코의 효율성
타이코의 완전 무정부 상태 모델에서 파레토 효율은 시퀀서가 불필요한 상충 없이 시스템 효용을 극대화하는지 평가합니다. 비효율성의 대표적인 예는 두 시퀀서가 동일한 거래를 포함하는 L2 블록을 L1에 게시하는 것입니다. 두 시퀀서 모두 PGA의 가스비와 같은 상당한 자원을 소모하지만, 한 블록만 보상을 제공하여 다른 블록의 노력은 경제적으로 낭비됩니다.
Taiko는 중앙 집중식 조정 없이 운영되기 때문에 이러한 중복성이 발생하며, 모든 시퀀서가 완전히 허가 없이 블록을 제안할 수 있습니다. L1에 포함되는 것이 경쟁적이라는 점을 고려하면, 여러 시퀀서가 각자의 보상을 극대화하는 블록을 독립적으로 게시하려고 시도합니다. 모든 합리적인 시퀀서는 팁이 가장 높은 거래를 우선시하기 때문에 거의 동일한 블록을 구성하는 경우가 많아 동일한 거래가 반복적으로 제출됩니다. Taiko에서는 두 블록 모두 허용되지만, 두 번째 블록에 포함된 중복 거래는 필터링되어 제외됩니다. 결과적으로 블록을 성공적으로 게시한 첫 번째 시퀀서만 보상을 받고, 다른 시퀀서들은 여전히 가스 비용을 지불하지만 아무런 보상도 받지 못합니다.
보상받지 못한 시퀀서가 소비하는 가스는 경제적 가치를 창출하지 못하므로 자원 비효율성이 발생합니다. 이러한 자원은 고유 거래를 포함하거나 제안을 최적화하는 데 더 효과적으로 할당될 수 있습니다.
다음 시나리오를 생각해 보세요.
Taiko 메모리풀에는 x x 개의 트랜잭션이 포함되어 있으며, 이를 T = \{t_1, t_2, \dots, t_x\} T = { t 1 , t 2 , … , t x } 로 표시합니다. 여기서 각 트랜잭션 t_i t i 는 경제적 가치를 나타내는 팁 tip(t_i) t i p ( t i ) 로 특징지어집니다. 트랜잭션 팁은 사용자에게 포함의 경제적 효용을 나타낸다고 가정합니다. 실제로 사용자는 전략적 입찰에 참여하거나 지불 의사를 잘못 예측하거나 팁과 실제 효용 사이의 불일치를 유발하는 제약에 직면할 수 있습니다. 그러나 단순화를 위해 팁은 사용자 효용과 직접적으로 대응한다고 가정합니다.
일반성을 잃지 않고 tip(t_1) \geq tip(t_2) \geq \dots \geq tip(t_x) t i p ( t 1 ) ≥ t i p ( t 2 ) ≥ ⋯ ≥ t i p ( t x ) 라고 가정합니다. 즉, 거래는 팁 값이 감소하는 순서로 정렬됩니다.
각 시퀀서 S_j S j 는 블록 가스 한도 G_{\text{max}} G max 에 따라 블록 B_k B k 를 구성할 수 있으며, 이는 B_k B k 의 트랜잭션 수를 최대 y y 로 제한하여 |B_k| \leq y | B k | ≤ y 를 만족합니다. 시퀀서 S_j S j 가 블록 B_k B k 에 대해 선택한 트랜잭션 집합은 B_k = \{t_1, t_2, \dots, t_y\} B k = { t 1 , t 2 , … , t y } 입니다.
시퀀서는 합리적이며 유틸리티 U(B_k) U ( B k ) 를 극대화하는 트랜잭션을 우선시합니다. 이는 다음과 같이 정의됩니다.
여기서 C(B_k) C ( B k )는 시퀀서 S_j S j 가 블록 B_k B k 를 제안하고 증명하는 데 드는 비용을 나타냅니다. 합리적인 시퀀서는 동일한 상위 y y 트랜잭션을 독립적으로 선택합니다. B_1 = B_2 = \dots = B_n = T_y B 1 = B 2 = ⋯ = B n = T y , 여기서 T_y = \{t_1, t_2, \dots, t_y\} T y = { t 1 , t 2 , … , t y }는 가장 높은 팁이 있는 트랜잭션 집합을 나타냅니다.
이 경우:
- 승인된 블록 B_w B w (여기서 $w \in W$는 우승 시퀀서 세트)는 시스템에 유용성을 제공합니다.
- 빈 블록은 낭비되는 가스와 계산 노력을 나타냅니다. 총 낭비 비용은
여기서 W W는 블록이 승인된 시퀀서들의 집합을 나타냅니다. 블록이 하나만 승인된 경우 W = \{w\} W = { w } 이고, 이 합계는 당첨되지 않은 모든 시퀀서에 적용됩니다.
- T_y T y 에 포함되지 않는 거래는 제외되며 다음과 같이 정의됩니다.
- 제외된 거래로 인한 공공 서비스 손실은 다음과 같습니다.
이 시나리오는 파레토 비효율성을 보여줍니다. 승인된 블록은 시스템 유틸리티에 기여하지만, 다른 시퀀서의 가스 비용과 노력은 아무런 가치를 더하지 않습니다. 또한, 두 개의 서로 다른 시퀀서가 동일한 L1 데이터에 대해 게시하는 경우, 추가 유틸리티를 생성하지 않고 블롭 공간을 소비합니다. 더 나아가, 유틸리티를 향상시킬 수 있는 T_{\text{remaining}} T remaining 의 트랜잭션은 중복 경쟁으로 인해 제외됩니다. 이러한 비효율성은 Taiko의 총체적 무정부 상태 모델 내에서 자원 할당을 최적화하기 위한 개선된 조정 메커니즘의 필요성을 강조합니다.
파레토 효율성을 넘어, ****복지 효율성은 거래 선택이 네트워크 전체에 도움이 되는지 살펴봅니다. 이상적인 시스템에서는 불필요한 비용을 낮추면서 전체 가치를 극대화하는 방향으로 자원이 할당될 것입니다. 그러나 Taiko의 현재 설계에서는 시퀀서 경쟁이 개별 손실 이상의 비효율성을 초래합니다. 여러 시퀀서가 동일한 거래 집합에 우선순위를 부여하기 때문에 고가의 거래가 배제될 수 있으며, 이는 귀중한 블롭 공간을 낭비하는 중복 제출로 이어집니다. 개별적인 인센티브와 더 넓은 네트워크 복지 간의 이러한 불일치는 더 나은 조정 메커니즘의 필요성을 시사합니다.
제안자별 시장 점유율
다음 부분에서는 제안자 시장 점유율을 분석합니다. Taiko Labs 제안자는 체인의 활성 상태를 유지하는 역할만 하기 때문에 제외했습니다. 분석 시작부터 11월 초까지 제안자 F가 가장 큰 비중을 차지했음을 알 수 있습니다. 또한 현재 다섯 명의 활성 제안자가 있으며, 제안자 A와 B가 대부분의 블록을 구축하고 있습니다. 제안자 D와 E도 활동 중이며, 각각 전체 블록의 약 10%에서 20%를 차지하고 있습니다.
현재 Taiko 생태계에서 시퀀서는 어떻게 작동합니까?
이전 연구에서는 Taiko Labs의 시퀀서를 능가하는 시퀀서들의 수익을 분석했습니다. 이번 섹션에서는 이들의 실적을 분석합니다.
가장 수익성이 높은 두 시퀀서가 제안하는 두 가지 사례가 있습니다. 우선 수수료는 변동 없이 유지하면서 서로 간섭을 피하기 위해 시퀀싱 기간을 번갈아 가며 사용하는 것을 관찰했습니다. 이러한 행동은 제안자 간의 오프체인 계약일 가능성이 높습니다. 분석된 데이터로 볼 때, 제안자 E와 Taiko Labs를 제외한 활동 중인 제안자들은 오프체인 계약을 체결한 것으로 보입니다.
다음 그래프는 12월 21일과 22일에 L1에서 제안된 거래에 대한 가스 가격(우선순위 수수료)을 보여줍니다. 주목할 점은 두 시퀀서 모두 시간이 지남에 따라 고정된 우선순위 수수료를 유지한다는 것입니다. 시퀀서 A(0x41F2F55571f9e8e3Ba511Adc48879Bd67626A2b6)는 21일에 153개, 22일에 184개 블록을 제안하여 각 제안 거래에 대해 3.78 Gwei의 우선순위 수수료 가스 가격을 지속적으로 지불했습니다. 마찬가지로, 시퀀서 B(0x66CC9a0EB519E9E1dE68F6cF0aa1AA1EFE3723d5)는 21일에 155개 블록, 22일에 166개 블록에 대해 3.79 Gwei의 고정 가스 가격을 유지했습니다.
두 번째 경우, 시퀀서는 거래를 제출하고, 지정된 시간 내에 승인되지 않으면 우선 수수료를 인상합니다. 이러한 동작은 Optimism 시퀀서의 코드 구현을 기반으로 하는 표준 Taiko 시퀀서에 구현되어 있습니다.
블록이 수익성이 있으면 시퀀서는 블롭 트랜잭션을 전송합니다. 해당 트랜잭션이 승인되지 않으면, 포함 가능성을 높이기 위해 동일한 논스 값에 더 높은 우선순위 수수료를 가진 다른 트랜잭션을 전송합니다.
트랜잭션을 범핑하는 로직은 이미 Taiko 코드베이스 에 존재합니다. 시퀀서가 트랜잭션을 범핑하기 전에 메모리 풀을 적극적으로 모니터링한다고 생각하지 않습니다.
다음 그림에서는 세 명의 메인 시퀀서가 적극적으로 블록을 제안하는 하루를 보여줍니다. 0시부터 10시까지 세 명의 제안자가 경쟁자보다 먼저 블록을 제안하기 위해 우선순위 수수료를 인상하는 모습을 확인할 수 있습니다.
같은 날 여러 제안자가 운영됨
아래 그래프는 자정과 오전 10시 사이에 제안자 A, 제안자 B, 제안자 D, 제안자 E, Taiko Labs 제안자 등 4명의 서로 다른 제안자의 활동을 보여줍니다.
일부 제안자는 개인 블롭 거래를 빌더에게 직접 제출하는 반면, 다른 제안자는 공개 메모리 풀을 통해 거래를 보냅니다.
중요한 관찰 결과는 제안자 D와 E가 범프 기능을 사용하지 않고, 처음부터 끝까지 일정한 우선 수수료를 유지한다는 것입니다. 반면, 제안자 A와 B는 전략을 조정합니다. 즉, 자신의 거래가 포함되지 않을 때, 다음 블록에 포함되도록 우선 수수료를 인상합니다.
왜 공개 메모리풀을 사용해야 하고 단순히 보호를 되돌리는 것은 아닌가?
공개 메모리 풀은 빈 블록이 온체인에 포함될 수 있으므로 불확실성을 야기합니다. 우선 가스 경매(PGA)에서 탈락하면 수익성이 없는 블록이 최종적으로 완료될 수 있습니다.
이전 게시물에서 언급했듯이, 더 안정적인 접근 방식은 되돌림 방지(revert protection)입니다. 즉, 생성되는 블록의 ID가 현재 Taiko 헤드 +1과 일치하는지 확인하는 것입니다. 일치하지 않으면 트랜잭션은 단순히 되돌려집니다.
빌더(builder)는 트랜잭션의 유효성을 검증하기 위해 트랜잭션을 시뮬레이션하는 리버트 보호(Revert protection)를 제공합니다 . 트랜잭션이 유효하지 않으면 무료로 삭제되지만, 모든 빌더가 리버트 보호를 지원하는 것은 아닙니다. 예를 들어, 블록의 40% 이상을 생성하는 Beaver는 리버트 보호를 제공하지 않습니다. 이 메커니즘은 현재 온체인에서 시행할 수 없지만, Joseph Poon의 EIP-7640: 트랜잭션 리버트 보호(Transaction Revert Protection) 와 같이 리버트 보호를 구현하기 위한 노력이 진행 중입니다.
블록당 각 제안자의 수익성
다음 그래프에서는 2월 4일부터 각 블록의 수익성을 보여줍니다. 블록의 수익성 여부를 나타내기 위해 Taiko Proposer도 포함했습니다. 데이터에 따르면 모든 Proposer는 일반적으로 수익성 있는 블록을 생성합니다. 그러나 두 블록이 동일한 슬롯을 두고 경쟁할 경우, 수익성이 없는 블록을 생성할 수 있습니다. 단, Taiko Proposer는 예외적으로 수익성이 없는 블록을 지속적으로 생성합니다.
블록당 제안자 수익
다음 그래프에서는 각 블록의 수익을 살펴봅니다. 주목할 점은 제안자 E가 수익성이 없는 블록을 생성하지 않는 반면, 다른 제안자들은 수익성이 있는 블록을 대부분 생성하고 수익성이 없는 블록은 거의 생성하지 않는다는 것입니다.
또한 Taiko는 수익성이 없는 블록을 주로 구축하는 것으로 나타났는데, 이는 블롭을 비공개로 전송하고 되돌리기 보호를 사용하면 쉽게 피할 수 있는 문제입니다.
한 가지 문제는 Beaver가 L1에 여러 블록을 생성하는 경우가 있는데, 이는 Taiko 체인이 비공개적으로 블롭을 허용하지 않기 때문에 중단될 수 있다는 것입니다. 그러나 이 문제는 쉽게 완화될 수 있습니다. Taiko 제안자가 특정 기간 내에 블록을 생성하지 못했다는 것을 알게 되면, 해당 트랜잭션을 L1 메모리 풀에 강제로 저장할 수 있습니다.
제안자 보상, 비용 및 수익성 분석
아래 표는 시퀀서 수익 및 행동 데이터를 나타내며, 메모리 풀에 블롭을 게시하고 되돌리기 보호 기능을 사용하는지 여부에 중점을 둡니다. 이 분석에는 제네시스부터 915,000번째 블록까지(2024년 5월 25일~2025년 3월 1일) 5,000개 이상의 블록을 게시한 사용자만 포함됩니다.
이는 연구 1부의 데이터 세트를 확장하여 더 긴 기간 동안 제안자의 전략과 결과에 대한 더 광범위한 관점을 제공합니다.
순이익은 다음과 같이 계산됩니다.
| 이름 | 수입 | 제안된 블록 공유(%) | 제안 스타일 | 긍정적 수익 블록 주식(%) | 되돌리기 보호 |
|---|---|---|---|---|---|
| 제안자 A | 106.1 이더리움 | 5.65% | 오프체인 계약 | 95.74% | 아니요 |
| 제안자 B | 93.8 이더리움 | 5.03% | 오프체인 계약 | 92.80% | 아니요 |
| 제안자 C | 27.3 이더리움 | 1.80% | 오프체인 계약 | 79.83% | 아니요 |
| 제안자 D | 25.3 이더리움 | 1.60% | 오프체인 계약 | 84.25% | 아니요 |
| 제안자 E | 10.3 이더리움 | 0.69% | 합의 없음 | 99.80% | 네 (플래시봇 보호) |
| Taiko Labs 제안자 | -2061.8 이더 | 78.88% | 오프체인 계약 | 14.50% | 아니요 |
6명의 활동적인 제안자 중 Taiko Labs는 1,891.9 ETH의 상당한 순손실을 기록하며 두드러졌습니다. 이러한 결과는 수익성이 낮을 때에도 활성성과 블록 포함성을 우선시하는 전략적 선택을 반영하는 것으로 보입니다. 반면, 제안자 A는 87.1 ETH를 획득하며 수익성에서 선두를 달리고 있습니다. 대부분의 참여자는 오프체인 조정 및 퍼블릭 멤풀 접근에 의존하기 때문에 경쟁과 잠재적 비효율성에 노출됩니다. 제안자 E는 유일하게 역방향 보호와 프라이빗 플로우를 사용하며, 실패한 거래를 최소화하고 일관된 수익을 최적화하는 것을 목표로 합니다.
제안자당 평균 이익
아래 그래프는 11월 1일부터 2월 25일까지의 제안자당 평균 일일 수익을 보여줍니다. 제안자 A, B, D는 처음부터 활동적이었고, 제안자 E는 1월 5일에 참여했습니다. 제안자 E가 다른 제안자들에 비해 훨씬 적은 블록을 생성했음에도 불구하고, 일정 기간 동안 가장 수익성이 높은 제안자가 되었음을 알 수 있습니다. 이는 제안자 E가 Beaver를 기반으로 하지 않고 Beaver Builder를 사용하기 때문에 블록 생성 속도가 더 빠르기 때문일 가능성이 높습니다.
L2 롤업의 조정 메커니즘으로서의 사전 확인
사전 확인(preconf)은 L2 시퀀싱에 체계적인 접근 방식을 도입하여 중복 계산을 줄이고, 가스 비용을 절감하며, 우선순위 가스 경매(PGA) 및 선행매매 위험을 완화합니다. 지정된 사전 확인자가 최종 확정 전에 거래 포함을 확정할 수 있도록 함으로써, 사전 확인은 실행의 예측 가능성을 높이는 동시에 조정되지 않은 시퀀싱으로 인한 비효율성을 방지합니다.
이 모델에서 L2 사용자는 사전 확인자에게 거래를 제출하고, 사전 확인자는 이를 집계하여 Type-3 블롭 거래(EIP-4844) 형태로 일괄 처리합니다. 이 메커니즘은 포함 보장을 제공하여 재정렬 위험과 거래 지연을 최소화합니다.
과제와 중앙집중화 위험
사전 확인은 이점에도 불구하고, 특히 소수의 제안자가 L2 블록 생성을 독점하는 경우 중앙화 위험을 초래합니다. 룩어헤드에서 사용 가능한 첫 번째 사전 확인자가 30번째 슬롯에 있다고 가정해 보겠습니다. 이 경우, 사전 확인자는 여러 블록에 걸쳐 거래 순서를 효과적으로 제어하여 다중 블록 MEV 추출을 가능하게 합니다. 이로 인해 다음과 같은 결과가 발생할 수 있습니다.
- 독점적 MEV 전략: 사전 확인자는 여러 슬롯에 걸쳐 거래를 재정렬하여 중재, 샌드위치 또는 청산 타이밍을 최적화할 수 있습니다.
- 감소된 시퀀싱 다양성: 대규모 검증자나 스테이킹 풀이 지속적으로 블록을 사전 확인하여 소규모 참여자를 배제할 수 있습니다.
- 높은 자본 장벽: 사전 확인자에 대한 담보 요건으로 인해 단독 스테이커가 배제되어 중앙 집중화가 강화될 수 있습니다.
- 활성 위험: 많은 슬롯을 제어하는 사전 확인자가 체인을 중단시킬 수 있습니다.
이러한 위험과 잠재적 완화책은 향후 게시물에서 살펴보겠습니다.
가격 및 경제적 균형
거래를 사전 확정하면 잠재적 MEV 수익을 포기하게 되므로, 가격 책정이 핵심 연구 주제가 됩니다. 제안자는 거래 순서를 미리 확정할 충분한 인센티브를 제공해야 합니다. 가능한 모델은 다음과 같습니다.
- 사용자가 지불한 사전 확인 수수료는 손실된 MEV를 보상하기 위한 것입니다.
- 사전 확인 슬롯 경매를 통해 여러 당사자가 시퀀싱 권리에 입찰할 수 있습니다.
- 네트워크 수요와 제안자 경쟁에 따라 조정되는 동적 가격 책정 메커니즘입니다.
연구 커뮤니티( CTra1n, Charlie Noyes , Alex Nezlobin )에서 진행 중인 논의에서는 사전 확인 시장의 최적 수수료 구조에 대해 살펴보고 있습니다.
결론
타이코의 완전한 무정부 상태 모델은 제안자 경쟁에 근본적인 비효율성을 초래하여, 중복 거래 제출, 가스 비용 낭비, 그리고 유효 거래의 체계적인 배제로 이어집니다. 상위 시퀀서들의 교대적인 행동과 우선 수수료 안정화는 명시적 합의는 아니더라도 암묵적인 조정으로의 전환을 시사합니다.
사전 확인은 잠재적인 발전 방향을 제시하지만, 중앙집중화 및 MEV 독점의 위험을 수반합니다. 실행 티켓 시장과 대안 제안자 조정 메커니즘의 향후 발전은 Taiko와 같은 기반 롤업의 장기적인 지속가능성을 결정하는 데 매우 중요할 것입니다.
추가 연구는 분산되고 효율적인 블록 구축 생태계를 보장하기 위해 사전 협의에 대한 가격 책정 모델, 대안적 경매 설계 평가, 경제적 상충 관계의 공식화에 중점을 두어야 합니다.
