原文链接：

https://threesigma.xyz/blog/optimistic-rollups-challenging-periods-reimagined-part-two

本文作者：André Pereira & Daniel Fonseca；编译：Cointime Freya

摘要

本文将介绍多链多槽的排序器选择过程，以及如何创建一个强大且用户友好的解决方案，以改进Optimistic Rollup。

命名法

n：23 小时周期数；

GT：治理调整的时间因素；

I%：根据锁定的DAO代币数量，分配给排序器的固定费用的部分；

M：每个P2P网络节点的链接数；

ψ：去中心化自治组织（DAO）代币的数量；

ψ：为实现最大时间折扣和最大费用部分而锁定的DAO代币的最小数量。

一、治理调整后的时间因素

人们仍然需要解决治理调整后的时间因素背后的基本原理，这考虑到测了排序器的信誉。然而，由于这也与本研究的第二个主要目标有关，即向中心化的排序器网络过渡，因此必须解决模型的新层次——选择排序器的过程。

1. 多槽排序器的选择过程

该模型实施了一个区分机制，根据排序器的诚实度来区分排序器，这取决于他们过去提交的成功batch的数量。在这种情况下，具有不同信誉的排序器必须有不同的机会提交batch（并获得相应的费用）才能被激励其更长时间地保持诚实。然而，选择过程不能完全依赖于过往记录，因为这对新人来说并不是很有吸引力（被选中的几率很低）。事实上，它会把这个机制变成一个“有罪直到证明无罪”的过程。为了减轻这一方面的影响，该模型强制规定，在每个batch epoch由知名度较低的排序器提交固定数量的batch。

因此，多槽排序器的选择过程具有以下特证：

下图直观地演示了单链多槽排序器的选择过程：

在多槽排序器的选择过程中，空槽可能随时出现。在这种情况下，有必要将最初属于这些空槽的batch重新分配到剩余的非空槽中。

为了重新分配batch，根据最初归属于该槽的batch数量以及归属于非空槽的batch总数，为每个非空槽计算权重。利用该权重，batch被重新分配到时间段内的剩余插槽。然而，由于四舍五入的影响，最有信誉的非空槽并非以这种方式计算的。相反，它是由剩余的未重新分配的batch产生的。

例如，如果senior插槽没有排序器，则10个batch重新分配如下：

目标是确保空槽不会破坏batch提交过程的完整性，这可能会对网络安全产生重大影响。

2. 多链多槽排序器的选择过程

单链多槽排序器过程是排序器选择的基础。然而，它有一个明显的缺点：受有效性影响，所有排序器必须始终可用才能被选中，这对排序器来说可能是资源密集型的。因此，实施的解决方案是一个多链多槽的排序器的选择过程，当排序器的数量超过一个特定的阈值时，就会创建一个新链。

为了定义这个值，必须记住，L2解决方案继承了以太坊的安全性，因此，没有必要或合理的理由考虑基于主网中的股权证明机制的排序器的最小数量。因此，主要优先考虑的是设计一个排序器的选择过程，从根本上关注去中心化和网络延时。因此，给定一个P2P网络可以建立网络延迟和节点数量之间的关系，以及网络中心化和节点数量之间的关系。这反过来又会在每个链条必须拥有的排序器数量（最大）方面给出一个最佳的折中解决方案。

我们进行了一项研究，来寻找能够代表上述变量之间的直接关系的图表。对于网络延迟曲线，“建立一个低延迟、近距离感知的基于DHT的P2P网络”一文提供了基于DHT的P2P网络的数据，该网络与以太坊有许多相似之处。以太坊和基于DHT的P2P网络在网络结构和通信协议方面有相似之处。两者都依靠分布式架构来维护系统的完整性和处理交易。它们还使用消息协议在节点和共识算法之间进行通信，以确保所有节点都同意网络状态。尽管在处理的交易类型和处理数据存储的方式等方面也存在显著差异，但它们并不妨碍对以太坊网络延迟进行建模。因此，传统的方法被纳入考虑范围内。

对于网络中心化建模，《用中继节点量化区块链网络的去中心化》一文提供了各种不同的曲线图，这些曲线图考虑了许多参数，如聚类系数的类型（全局-GCC-或本地-LCC）、每个节点的链路数（M）和中继网络大小等多种参数。特别是，本地和全局聚类系数都是可用于量化网络中心化程度的指标。正如文章所提到的，GCC能更好地代表这种量化，它的数值越高，就意味着中心化程度越低。关于每个节点的链路数量，通常每个以太坊节点有25到50个链路，更具体地说，30个链路被认为是最佳的一般连接数，因为这个数字在拥有足够的对等点之间取得平衡以确保良好的连接性和弹性，同时还避免节点因过多的网络流量而过载。因此，我们使用属于M=32的GCC曲线上的数据点，对网络中心化程度与节点数的变化进行建模。

值得注意的是，该图指的是Barabasi-Albert（BA）网络模型。与BA网络一样，以太坊网络具有幂律度分布，这意味着少数节点（即验证者节点或高流量智能合约）有很多连接，而大多数节点只有少数连接。这是无标度网络的一般特征，是由于网络中的某些节点比其他节点更有影响力或更受欢迎。此外，在BA模型中，通过一次添加一个节点，并以与节点程度成正比的概率，将它们连接到现有节点，从而反复构建网络。这意味着具有许多连接的节点更有可能接获得新的连接，这加强了它们的高度。然而，以太坊的网络并没有严格遵循这种优先连接过程。例如，节点可以随时加入网络，而不仅仅是在区块链上添加一个新区块时。此外，节点可以选择连接到网络中的任何其他节点，而不仅仅是连接最多的节点。虽然存在差异，但不影响对网络中心化的评价，这是分析的重点。

为了在最小化网络延迟和减少网络集中化之间取得平衡，我们对“聚类系数与中继网络规模”图表的Y轴进行了调整。如前所述，聚类系数越高，网络的去中心化程度就越大。然而，由于我们想要一个网络中心化的度量标准，我们可以从从1中减去聚类系数，并倒置图形的Y轴，从而产生了一条新的曲线。这一修改使得新的曲线呈现出与延迟曲线相反的趋势，从而有可能确定它们的交汇点。结果表明，每条链最多应该有1,180个排序器。每次创建新链时，排序器都会随机且均匀地分布在新链中。由于每个epoch只有一条链被选中，所以在给定epoch的给定链中的排序器知道它是否有机会被选中。然后，它可以选择保持在线或离线，使整个过程更节省资源。此外，如果它们决定离线，那么网络的延迟也可能会减少，为通信节点较少。

在这个过程中，在每个batch epoch，排序器在这些链中被随机重新分配，并选择一个来处理上一节所述的30个batch。由于排序器的总数均匀分布在所有链中，因此对所有链来说，一条链被选中的概率是大致相同的。例如，如果有三条链，则任何给定链在特定epoch中被选中的概率约为1/3。

在每个batch epoch开始时发生的洗牌机制，确保了每次链都是由不同的排序器和不同的槽填充组成，这将有助于实现更加去中心化和民主化的选择过程。多链多槽排序器选择过程如下图所示。

在这个例子中，有2,362个排序器，比只有两条链所需的最大值多出两个。因此，创建了第三条链，并重新分配了排序器（在每个epoch）。

最后，需要指出的是，如果排序器的总数减少，那么我们将按所述的相反顺序减少链的数量。

3.应用治理调整后的时间因素函数

当选择一个致力于该协议的排序器时，需创建一个治理调整的时间因素函数，以使整个生态系统受益。然而，这个时间因素不能以成功提交的batch数量为准，因为这会对newcomer造成歧视。因此，必须引入一个新的指标，以确保一个更公平的排序器环境，并使信誉较差的排序器的激励措施与协议保持一致，以便他们能够感到受到鼓励，并在插槽机制中前进。该模型中使用的指标是DAO代币(Ψ)的锁定过程。

治理调整后的时间因素函数定义如下：

其中n是将batch处理时间减少到的23小时周期数，ψ是为实现最大时间折扣而锁定的DAO代币的最小数量。

在协议中，一个排序者能够抵押一定数量的DAO代币。当选择提交一个batch时，排序者可以选择锁定部分或全部所投的代币，以获得特定的 GT，并赚取相应的奖励，如下文所述。这些代币将保持质押状态，直到挑战期结束。之后，它们仍将被质押，但可以随时取消质押。

从GT(Ψ)函数中得出的第一个结论是，不锁定任何DAO代币的排序器将不会在batch处理时间（GT=1）上获得折扣。因此，生态系统受益于拥有质押和锁定DAO代币的排序器。

根据所考虑的档期，有不同的最大折扣，其基本原理主要是由于激励的一致性。随着插槽排序器选择的进展，最大可能折扣逐渐增加，每个排序器都被激励参与到系统中，因为它有利于整个生态系统。这最大限度地缩短了挑战期，从而加快了提款速度。此外，每个排序器都从DAO代币升值中获得间接的经济利益。因此，分配给n的值的范围为1-4，随着插槽信誉的减少而增加。

任何寻求采用这种模型的协议都应该根据自己的技术来实现，谨慎地确定一个与其治理代币的价值以及作为一个排序器所涉及的硬件成本相一致的ψ值。定义ψ的一个可能的方法是利用一个类比的早期信标链，以optimism的治理代币OP为例。在2020年12月，以美元计算的ETH价值约为600美元，由于（现在仍然）需要质押32个ETH才能成为权益证明机制中的验证器，因此每个验证器当时需要质押的价值约为19,200美元的ETH，这被认为是一个合理的投资金额。因此，在目前的排序器案例中，为了获得给定插槽的最大时间折扣，必须质押并锁定至少价值19,200美元的DAO代币。OP代币的价值约为3美元，每个排序器必须锁定6,400个DAO代币才能获得最大时间折扣。因此，最大时间折扣的阈值（在此之后变得恒定）恰好是锁定6,400个DAO代币。

下图给出了该测试用例的治理调整时间因素函数的表示。例如，一个veteran插槽中锁定了6,400个代币的排序器具有最大可能的时间折扣（将7天的batch时间减少到23小时），这意味着GT=0.137。

4. 对排序器的经济激励

在目前的模型中，没有直接激励排序者购买、质押和锁定DAO代币。定为生态系统提供了好处，可能会大大减少挑战期。然而，为了激励他们的参与，锁定对排序者本身也是有利的，这一点至关重要。因此，引入了一个新的固定百分比费用，其成本由L2用户支持。这笔新费用的一部分进入协议库，其余部分进入排序器。 锁定更多DAO代币的排序器有权获得更高比例的新固定百分比费用。

这笔费用是合理的，不仅是由于所有行为者之间的激励调整，也是由于本文提出的模型所带来的计算资源的增加。再次，与以太坊主网的股权证明机制进行类比，目前，30%的交易费用直接归属验证者。因此，作为第一种方法，新实施的固定百分比费用是目前在L2中应用的费用的30%，因此，L2中新的总费用应高出30%。必须认识到，这是为了更好的用户体验和增强安全性而付出的代价，尽管成本的绝对增长预计不大。此外，在实施该模型时，应该考虑到作为排序器的固有成本。任何希望这样做的协议都应该根据自己的技术要求来决定。

部分直接流向排序器的新固定百分比费用的，随着锁定的DAO代币数量而变化，如下所示：

由于没有锁定DAO代币，仍然有最低部分的费用流向排序器（10%），这激励了任何排序器的加入。如果一个排序器锁定一定数量ψ的DAO代币，这部分就会增加。通过锁定ψ或更多，他们达到了他们有权获得的费用的最大允许百分比（90%），其中剩余的（10%）进入协议（可能的最小值）。值得一提的是，这种费用分配机制对于每个提交batch的排序器都是相同的，无论它们目前处于哪个插槽。这方面可以激励newcomer加入协议。

下图给出了前面描述的测试用例中关于此函数的表示。当锁定6,400个DAO代币时，排序器可以赚取最大比列的费用。

二、惩罚恶意排序器

在概述了新的动态挑战期模型和optimistic rollup中排序器的去中心化网络后，重要的是要了解如果提交了成功的欺诈证明，恶意排序器将如何被惩罚。除了债券slashing机制外，还有进一步的措施来打击不诚实的行为。

如果发现一个排序器是恶意的，他们的地址将被添加到一个黑名单中。这意味着他将被标记为有不诚实行为史，将不能再使用该地址参与排序。但是，他可以更改地址。在这种情况下，他将被添加到newcomer槽中，这就假定他没有提交batch的历史。此外，如果排序器在发生恶意行为时锁定了DAO代币，则将出现一个slashing机制。slashing的比例将取决于恶意行为的严重程度，更严重的行为会导致更高的slashing比例。

例如，如果欺诈被认为是轻微的欺诈，如提交无效数据，排序器可能面临锁定代币的10%的slash。然而，如果欺诈被认为是重大欺诈，如故意提交恶意数据，那么排序器可能会面临100%的slashing。

这些额外的惩罚措施进一步激励了排序器的诚实行为，因为从事恶意行为的潜在成本可能是巨大的。总的来说，几种惩罚的组合有助于在optimistic rollup中创建一个安全可靠的环境。

三、关于另一种排序器去中心化实施的一些说明

需要注意的是，本文描述的排序器去中心化过程只是优化挑战期的许多可能实现的方法之一。另一个有趣的概念是EigenLayer，它是以太坊上的一组智能合约，为去中心化的信任创建一个市场。通过允许以太坊利益相关者为建立在以太坊生态系统之上的新软件模块，提供安全和验证服务，EigenLayer聚合了所有这些模块的ETH安全性，提高了依赖这些模块的去中心化应用程序（dApp）的安全性。这也创造了新的费用共享机会，并允许在区块链上进行更敏捷、去中心化和无许可的创新。

本文描述的排序器去中心化的方法与EigenLayer概念并不会相互排斥。事实上，它可以融入其中。许多rollup需要去中心化的排序器来管理自己的MEV和审查阻力。这些排序器可以在EigenLayer上构建，并具有quorum的ETH质押者。一个中心化的排序器quorum可以为许多rollup执行服务。去中心化的的排序器不需要执行，可以只是一个排序层，没有状态增长问题。可以通过选择一个随机的共识节点子集来排序不同的交易子集，使其成为轻量级甚至是横向扩展。

EigenLayer为AVS（主动验证服务）提供了灵活性，可以定义他们自己的quorum以及由重新质押的ETH组成的quorum，并要求对其验证任务的最终响应，是每个quorum的大多数响应的函数。这种定义多个quorum的灵活性为AVS提供了一个机会，使其能够将自己的代币引导为实用代币，并为其协议积累价值，同时使用重新质押的ETH quorum来对冲其代币的死亡螺旋。

结论

Optimistic rollup为以太坊的可扩展性挑战提供了一个有希望的解决方案，但它们也带来了自己的一系列挑战，例如挑战周期的长度和中心化排序器的使用。以太坊社区一直致力于解决这些挑战，这个由两部分组成的系列提出了一个动态挑战周期模型，该模型为实现优化这些级别的optimistic rollup提供了一种创新方法。

所提出的动态挑战周期模型考虑了交易batch的价值和向L1网络发送垃圾邮件的成本，使得充当排序器的恶意行为在经济上是不合理的。此外，它提供了一个多链多槽排序器选择过程，以及一套激励措施，刺激了网络的去中心化，提高了了安全性，并增强了用户体验。

该模型建立了一个激励良性循环：排序器根据其拥有的治理代币数量以及其诚实行为的历史，从协议中获得奖励。这提高了安全性，并吸引排序器参与到网络中来。随着时间的推移，排序器被激励保持诚实，以赚取更多的费用。因此，挑战周期往往更短（不会少于23小时），这改善了用户体验，并会吸引更多的用户加入网络，从而促进协议的发展，增加其治理代币的价值。最终，随着每个排序器都进入了veteran槽，从而拥有诚实的跟踪记录，并锁定了至少ψ个治理代币，所有的挑战周期将趋于23小时，这将有利于整个网络。

重要的是要考虑到所提出的模型仍然是理论性的，它的实施还需要进一步的研究和测试。尽管如此，该模型还是提供了一种创新的方法来解决当前optimistic rollup实施所面临的挑战。

此外，需要强调的是，在提出的模型中，optimistic rollup确实可以在中长期内与ZK rollup的竞争方面向前迈出一步。这也为去中心化排序器的研究提供了新的内容，值得进一步研究和开发。

总之，所提出的动态挑战期模型代表了朝着更高效、安全和用户友好的以太坊生态系统迈出的重要一步。它可以帮助解决以太坊在过去几年中所面临的可扩展性挑战，并为即将到来的以太坊分片更新铺平道路，这有望显著提高以太坊的吞吐量。

*本文由CoinTime整理编译，转载请注明来源。