本文分析了基于Monad的Liquid Staking Token(LST)shMONAD的设计及其潜在的安全隐患。ShMonad通过按比例分配网络带宽来激励用户,但同时也存在过度承诺、财富集中、时机攻击等问题,为了保证长期稳定性,FastLane应考虑引入二次方承诺费、时间加权Stake锁、混合拍卖层等机制。
想象一下,你正在运行一个依赖于有保证的 RPC 吞吐量的高频交易系统。 一天早上,一个闪电提交机器人恰好在下一个快照之前质押了大量的 shMON,锁定了大部分带宽 10 秒钟,导致你的交易错过了市场。 发生了什么?
shMONAD 是一种建立在 MON (Monad) 之上的创新型流动性质押代币 (LST)。 shMONAD 旨在让用户在保持流动性的同时质押 MON,使持有者能够将 MON 转换为 shMON,将代币绑定到隔离的、策略驱动的池中,并在托管期后解绑。 然后,FastLane 的 ShMonad 协议利用这些绑定的 shMON 存款来按比例分配网络带宽:如果用户质押 $s_i$ 个代币,总承诺质押量为 $S$,则他们将收到
$$ r_i \;=\;\frac{si}{S}\;R{\max} $$
每秒请求数。 这种优雅的机制旨在将用户体验与安全激励措施结合起来,但实际上,它在参与者之间建立了一种高风险、非合作的博弈。
令 $N$ 表示用户集,每个用户持有 $h_i$ 个 shMON。 每个用户 $i$ 承诺 $s_i \le h_i$,持续固定时间 $T (例如 20 个区块 ≈ 10 秒),从而得出总质押量
$$ S \;=\;\sum_{j\in N} s_j. $$
在全球上限 $R_{\max}$ (请求/秒) 的情况下,用户 $i$ 的分配为
$$ r_i \;=\;\frac{si}{S}\,R{\max} \quad(\text{如果 }S>0). $$
如果没有人质押 ($S=0$),协议可以平均分配 $R_{\max}$ 给活跃会话,以确保基本活性。 同时,质押的代币继续赚取奖励,因此锁定 $s_i$ 的机会成本为
$$ c_i(s_i)\approx \delta\,s_i\,T, $$
其中 $\delta$ 是相对于其他质押选项的差异奖励率。
每个代理的效用结合了带宽价值和质押成本:
$$ u_i(r_i, s_i) \;=\; v_i(r_i)\;-\;c_i(s_i), $$
其中 $v_i$ 是凹函数(例如 $v_i(r)=\alpha_i\log(1+r)$),用于模拟收益递减。
迷你数值示例: 假设三个用户质押 $(10,30,60)$ 个代币,并且 $R_{\max}=100$。 他们收到 $(10,30,60)$ RPS。 一个在快照之前质押 900 个代币的闪电提交者跳到 90 RPS (容量的 90%),导致原始质押者的分配分别骤降至 $(1,3,6)$ RPS,然后立即退出。
在定义了质押、分配和效用之后,让我们首先了解为什么从博弈论的角度来看,这个比例规则如此引人注目。
尽管 ShMonad 的比例共享规则很简单,但它表现出几个理想的理论特征:
近似激励兼容性。 虽然不是占优策略激励兼容 (DSIC),但该机制允许贝叶斯-纳什均衡。 如果其他人也这样做,则按一个人的真实估值比例进行承诺是最佳响应,类似于 凯利比例公平性 在 网络 中的定理。
静态效率。 在静态纳什均衡下,总福利
$$ W \;=\;\sum_i v_i(r_i) $$
在 $\sum_i ri \le R{\max}$ 下是帕累托有效的。 如果估值与财富相关联,则结果近似于 公共产品的林达尔均衡。
抗共谋性。 在大型人群中,大联盟的核心是空的:任何小型卡特尔都可以被叛逃者以最小的成本削弱,从而限制了共谋的收益。
女巫鲁棒性。 产生女巫身份需要真正的质押 ($\Omega(s_i)$),从而嵌入了对抗廉价身份拆分攻击的代价高昂的信号屏障。
闭式均衡。 对于线性成本 $c_i(s)=\gamma s$ 和二次估值 $v_i(r)=\alpha_i r - \tfrac12\beta r^2$,可以求解
$$ s_i^* = \frac{\alphai(N-1) - \gamma\,S{-i}}{\gamma\,N}, $$
在理想化假设下使系统的行为可预测。
在机会成本接近于零的情况下,用户的最佳响应是 $s_i = h_i$。 总质押量 $S$ 在 $H = \sum_i h_i$ 处饱和,并且 $r_i = (hi/H) R{\max}$ 对实时需求视而不见。 这反映了 塔洛克竞赛 (参与者花费高昂的努力来分享奖金),导致效率低下的均衡,其中努力消散了价值。
比例性将代币持有不平等直接映射到带宽不平等中。 如果 $hi$ 遵循帕累托分布,鲸鱼将捕获 $R{\max}$ 的超比例份额。 在重复互动中,带宽优势(例如 MEV 捕获)会增加财富,进一步集中控制并破坏审查阻力。
承诺仅每 $\Delta$ 更新一次,因此 $S(t)$ 表现出随机性(例如,在泊松事件下的出生-死亡过程)。 $r_i$ 的方差可能会突破服务阈值。 更糟糕的是,闪电提交机器人可以在快照之前立即质押大量的 $s_i'$,在一个时间间隔内获取超大的带宽量,然后退出,这是一种倾斜公平性的扩展形式的利用。
测量噪声 $\epsilon\sim\mathcal{N}(0,\sigma^2)$ 导致误报。 处罚
p = \kappa\,\max\bigl(u_i - r_i t,\;0\bigr)
随着 $\sigma$ 的增长而增加,因此诚实的用户会减少利用以避免错误的罚款。 验证者因分享罚款而获得奖励,面临过度报告的道德风险,这与 霍姆斯特罗姆-米尔格罗姆委托代理问题 相呼应。
如果 RPC URL 泄露,免费搭车者会在没有质押的情况下消耗 $r_i$,从而将有效率降低到 $r_i^{\rm eff}=(1-f),r_i$。 这引发了公地悲剧:用户减少质押,崩溃 $S$ 并降低所有人的服务质量。
该协议可能会允许两种均衡:低采用率的“鬼城” ($S\approx0$) 和高采用率的“军备竞赛” ($r_i\to0$,当 $N\to\infty$ 时)。 引爆点
v_i\bigl(R_{\max}/N_c\bigr) = c_i(h_i)
导致滞后现象,很难启动健康的用法,但一旦饱和就很难解除。
再投资的带宽收益通过以下方式放大初始不平衡
h_i(t+1) = h_i(t) + \eta\,r_i(t),
触发“马太效应”,在没有纠正性支付设计(例如维克里式退款)的情况下加速中心化。
ShMonad 的比例共享机制在一开始很优雅和高效,但现实世界的战略行为会使其暴露于军备竞赛、中心化、时间利用和强制悖论。 为了保护长期弹性,FastLane 应该探索:
通过将 ShMonad 的 UX 和 MEV 优势与这些改进相结合,FastLane 可以构建一个高效且公平的带宽市场,准备好为下一代延迟敏感型应用程序提供动力。
- 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~
如果觉得我的文章对您有用,请随意打赏。你的支持将鼓励我继续创作!