บทความทฤษฎีฉบับใหม่กำลังถูกพูดถึงอย่างกว้างขวางในหมู่ นักวิจัย Ethereum และข้ออ้างหลักของมันก็ตรงไปตรงมา: คณิตศาสตร์ด้านความปลอดภัยที่อยู่เบื้องหลัง ฉันทามติ Byzantine Fault Tolerance บน Ethereum และวิธีที่ออราเคิล DeFi รายงานราคา ต่างก็ยืนอยู่บนสมมติฐานที่ใช้ไม่ได้เมื่อวัดพฤติกรรมของตัวตรวจสอบความถูกต้องจริง ๆ บทวิเคราะห์นี้เผยแพร่บนฟอรัมวิจัย Ethereum ethresear.ch ในเดือนสิงหาคม 2026 โดยนักวิจัย Hudu Yusuf โต้แย้งว่า ระยะขอบความปลอดภัยแบบเสียงข้างมากที่ซื่อสัตย์ของ Ethereum แทบจะไม่เข้าใกล้ตัวเลขตำรา 33% เลยเมื่อคำนึงถึงพฤติกรรมที่มีความสัมพันธ์กันของตัวตรวจสอบความถูกต้อง — และผู้ให้บริการออราเคิลรายใหญ่ทุกราย ตั้งแต่ Chainlink ไปจนถึง Pyth ต่างก็ใช้งานกลยุทธ์ที่บทความระบุว่าด้อยประสิทธิภาพในเชิงคณิตศาสตร์
Summary
ประเด็นสำคัญ
- ทฤษฎีบทใหม่ชื่อ “Coordination Collapse” แสดงให้เห็นว่าตัวตรวจสอบความถูกต้องที่มีพฤติกรรมเหมือนกันเกือบหมดจะสูญเสียอำนาจโหวตที่มีประสิทธิผลไปเกือบทั้งหมด แม้ว่าพวกเขาจะควบคุมสัดส่วนการวางเดิมพันตามชื่อที่ใหญ่ก็ตาม
- เมื่อประยุกต์ใช้กับชุดตัวตรวจสอบความถูกต้องจริงของ Ethereum เอนทิตี 3 อันดับแรกถือครองประมาณ 60% ของสัดส่วนการวางเดิมพันตามชื่อ แต่มีเพียงประมาณ 15.7% ของน้ำหนักที่มีประสิทธิผล เมื่อคำนึงถึงความหลากหลายด้านพฤติกรรม
- ตัวตรวจสอบความถูกต้องแบบเดี่ยว (solo validators) ที่มีเพียง 22.3% ของสัดส่วนการวางเดิมพันตามชื่อ กลับควบคุมอำนาจโหวตที่มีประสิทธิผลมากกว่า 60% เพราะพฤติกรรมของพวกเขามีความสัมพันธ์กันน้อยกว่ามาก
- ทฤษฎีบทที่สองโต้แย้งว่าออราเคิลที่ระงับข้อมูลเมื่อมีความไม่แน่นอนให้ผลดีกว่าแบบออกค่าตลอดเวลา (always-publish); การทดสอบย้อนหลังกับการโจมตี DeFi ครั้งใหญ่ 30 กรณีพบว่าแนวทางแบบเงียบจะหยุดการโจมตีทั้งหมด ปกป้องมูลค่าประมาณ 3.315 พันล้านดอลลาร์
- เครือข่ายออราเคิลที่ใช้งานจริงทุกเครือข่ายที่ถูกตรวจสอบ — Chainlink, Pyth, UMA, Band, API3 และ RedStone — ปัจจุบันใช้โมเดลแบบออกค่าตลอดเวลา ซึ่งบทความระบุว่าเปราะบางในเชิงโครงสร้าง
Coordination Collapse: ความสัมพันธ์ด้านพฤติกรรมบ่อนทำลายอำนาจโหวต
ผลลัพธ์แรกและสำคัญที่สุดของบทความคือ อิทธิพลที่แท้จริงของตัวตรวจสอบความถูกต้องต่อฉันทามติขึ้นอยู่กับปริมาณการวางเดิมพันน้อยกว่ามากเมื่อเทียบกับระดับความเป็นอิสระของพฤติกรรม ระบบ proof-of-stake ของ Ethereum ในปัจจุบันให้น้ำหนักกับทุกคะแนนเสียงตามเพียงแค่ สัดส่วนการวางเดิมพันตามชื่อ — ตัวตรวจสอบความถูกต้องที่มี ETH มากกว่าจะมีสิทธิ์ออกเสียงมากกว่า กรอบแนวคิดใหม่ที่เรียกว่า DW-BFT (Diversity-Weighted BFT) โต้แย้งว่านั่นเป็นตัวชี้วัดที่ผิดโดยสิ้นเชิง
Weighted BFT และสูตรความหลากหลายเบื้องหลัง DW-BFT
โมเดลนี้แนะนำ “น้ำหนักความหลากหลาย” สำหรับตัวตรวจสอบความถูกต้องแต่ละราย โดยคำนวณจากการเปรียบเทียบรูปแบบพฤติกรรมของมัน — เวลาในการ attestation การเลือก MEV-boost relay นิสัยการสร้างบล็อก การมีส่วนร่วมในการ reorg — กับพฤติกรรมเฉลี่ยของเครือข่าย ตัวตรวจสอบความถูกต้องที่โหวตและสร้างบล็อกเกือบเหมือนกับคนอื่น ๆ จะได้คะแนนใกล้ศูนย์ในตัวชี้วัดความหลากหลายนี้ ไม่ว่าพวกเขาจะวางเดิมพัน ETH ไว้มากแค่ไหนก็ตาม ทฤษฎีบทที่ 1 ที่เรียกว่า “Coordination Collapse” ที่ได้จึงระบุว่า กลุ่มตัวตรวจสอบความถูกต้องที่มีเวกเตอร์พฤติกรรมเกือบเหมือนกันจะมีน้ำหนักโหวตที่มีประสิทธิผลเข้าใกล้ศูนย์เมื่อความสัมพันธ์ภายในเข้าใกล้ 1 โดยไม่ขึ้นกับสัดส่วนการวางเดิมพันตามชื่อ
นั่นเป็นการท้าทายโดยตรงต่อวิธีที่ Ethereum กำหนดขอบเขตความทนทานต่อความผิดพลาดที่ 33% ในปัจจุบัน บทความโต้แย้งว่าเมื่อคำนวณราคาของพฤติกรรมที่มีความสัมพันธ์กันแล้ว ระยะขอบความปลอดภัยแบบ honest-by-construction ไม่ได้อยู่ที่ 33% เลย — แต่ใกล้กับตัวเลขหลักเดียวมากกว่า เพราะเอนทิตี staking ขนาดใหญ่ที่มีพฤติกรรมไปในทิศทางเดียวกันไม่ได้เพิ่มความปลอดภัยอิสระจริง ๆ พวกเขาแค่ทำซ้ำคะแนนเสียงเดียวกัน
ชุดตัวตรวจสอบความถูกต้องของ Ethereum ภายใต้เลนส์ DW-BFT
เพื่อทดสอบทฤษฎี นักวิจัยได้ดึงข้อมูลพฤติกรรมจากเอนทิตีตัวตรวจสอบความถูกต้อง Ethereum 50 อันดับแรกตามส่วนแบ่งเงินฝาก ครอบคลุมประมาณ 4.2 ล้าน epoch ระหว่างเดือนพฤษภาคมถึงกรกฎาคม 2026 ตัวเลขที่ได้โดดเด่นมาก Lido ถือครองสัดส่วนการวางเดิมพันตามชื่อ 28.4% แต่ได้คะแนนความหลากหลายด้านพฤติกรรมต่ำ; Coinbase และ Binance อยู่ที่ 15.1% และ 13.7% ของสัดส่วนการวางเดิมพันตามชื่อ ตามลำดับ โดยมีรูปแบบพฤติกรรมที่มีความสัมพันธ์กันคล้ายกัน เมื่อรวมกัน เอนทิตี 3 อันดับแรกควบคุมประมาณ 57.2% ของสัดส่วนการวางเดิมพันตามชื่อ แต่มีเพียงประมาณ 15.7% ของน้ำหนักที่มีประสิทธิผล ภายใต้โมเดล DW-BFT — ตัวเลขที่อยู่ต่ำกว่าขีดจำกัดความทนทานต่อความผิดพลาดอย่างสบาย ๆ ต่างจากส่วนแบ่งการวางเดิมพันดิบของพวกเขา
ตัวตรวจสอบความถูกต้องแบบเดี่ยวที่กระจายตัวเล่าเรื่องตรงกันข้าม พวกเขาถือครองเพียง 22.3% ของสัดส่วนการวางเดิมพันตามชื่อ แต่เพราะพฤติกรรมของพวกเขามีความสัมพันธ์กับค่าเฉลี่ยของเครือข่ายน้อยกว่ามาก พวกเขาจึงลงเอยด้วยการควบคุมประมาณ 60.2% ของอำนาจโหวตที่มีประสิทธิผล กล่าวอีกนัยหนึ่ง ภายใต้ BFT แบบให้น้ำหนักตาม stake มาตรฐาน เอนทิตีขนาดใหญ่เพียงไม่กี่รายอาจประสานงานกันเพื่อทำให้บล็อกที่ไม่ถูกต้องได้รับการ finalization ได้ในทางทฤษฎี ภายใต้ DW-BFT การประสานงานแบบเดียวกันนั้นกลับทำให้อิทธิพลของพวกเขาพังทลายแทนที่จะขยายมัน
ทำไมเรื่องนี้จึงสำคัญเกินกว่าคณิตศาสตร์? เพราะมันจัดกรอบการถกเถียงทั้งหมดเกี่ยวกับการรวมศูนย์ของการ staking บน Ethereum ใหม่ หน่วยงานกำกับดูแล นักวิจัย และชุมชนใช้เวลาหลายปีในการกังวลเกี่ยวกับส่วนแบ่งการวางเดิมพันรวมของ Lido, Coinbase และ Binance ที่อาจข้ามเกณฑ์อันตราย กรอบ DW-BFT ชี้ให้เห็นว่าตัวแปรที่เร่งด่วนกว่าคือไม่ใช่ว่าพวกเขาถือ stake มากแค่ไหน แต่คือพวกเขามีพฤติกรรมคล้ายกันแค่ไหน — ปัจจัยที่การออกแบบฉันทามติในปัจจุบันไม่ได้วัดเลย
ผลการจำลองยิ่งตอกย้ำประเด็นนี้ การรันสถานการณ์การโจมตี 10,000 แบบด้วยตัวตรวจสอบความถูกต้อง sybil ที่ระดับความสัมพันธ์ต่าง ๆ พบว่า ฉันทามติ Byzantine Fault Tolerance มาตรฐานพ่ายแพ้ต่อการโจมตีแบบกลุ่มพันธมิตรที่ประสานงานกัน 100% ของเวลาเมื่อความสัมพันธ์ภายในแตะ 1.00 อย่างสมบูรณ์ ภายใต้ DW-BFT การโจมตีแบบกลุ่มพันธมิตรที่มีความสัมพันธ์สมบูรณ์แบบแบบเดียวกันประสบความสำเร็จ 0% ของเวลา แม้ที่ระดับความสัมพันธ์ปานกลางมากขึ้น — 0.75 และ 0.90 — อัตราความสำเร็จของการโจมตีใน BFT มาตรฐานก็เพิ่มขึ้นเป็น 41.7% และ 75.8% ในขณะที่ DW-BFT ยังคงยืนหยัดอยู่ในตัวเลขหลักเดียวต่ำ ๆ ระบบ ตามที่บทความระบุ ไม่จำเป็นต้องรู้ล่วงหน้าว่าการโจมตีกำลังจะมา; ความเป็นหนึ่งเดียวของกลุ่มพันธมิตรเองต่างหากที่เปิดเผยมัน
ข้อเสนอสำหรับ “ความเงียบที่มีโครงสร้าง” ในการออกแบบออราเคิล
ทฤษฎีบทที่สองของบทความจัดการกับอีกมุมหนึ่งของโครงสร้างพื้นฐาน DeFi: ออราเคิลราคา ข้อสรุปของมันก็สร้างความอึดอัดให้กับอุตสาหกรรมไม่แพ้กัน ออราเคิลที่ยอมไม่เผยแพร่ข้อมูลเมื่อข้อมูลดูน่าสงสัยให้ผลการป้องกันการปั่นราคาดีกว่าออราเคิลที่ถูกออกแบบมาให้ต้องส่งตัวเลขเสมอ และบทความโต้แย้งว่านี่ทำให้การออกแบบออราเคิลกระแสหลักในปัจจุบันล้าสมัยโดยโครงสร้าง
ทำไมการระงับข้อมูลจึงดีกว่าการเผยแพร่ตลอดเวลา
เครือข่ายออราเคิลที่ใช้งานจริง ทุกเครือข่าย — Chainlink, Pyth, UMA, Band, API3 และ RedStone — ดำเนินการบน โมเดลแบบออกค่าตลอดเวลา โดยถือว่าราคาที่ค้างหรือถูกปั่นยังดีกว่าไม่มีราคาเลย ทฤษฎีบทที่ 2 ซึ่งบทความเรียกว่า “Optimality of Structured Silence” พิสูจน์ว่าเมื่อความสูญเสียจากการเผยแพร่ค่าที่ผิดมีมากกว่าต้นทุนของความล่าช้าสั้น ๆ ออราเคิลที่ระงับข้อมูลเมื่อมีความไม่แน่นอนที่วัดได้จะสร้างความสูญเสียคาดหวังที่ต่ำกว่าอย่างเคร่งครัดเมื่อเทียบกับออราเคิลที่เผยแพร่เสมอ — ตราบใดที่ผู้โจมตีมีงบประมาณการโจมตีจำกัด
กลไกนี้อาศัยตัวชี้วัดความสอดคล้อง (coherence metric) ที่ให้คะแนนว่าการสังเกตราคาปัจจุบันสอดคล้องกับประวัติพฤติกรรมสะสมของสินทรัพย์เพียงใด — เช่น ความสอดคล้องของกระแสการซื้อขายข้ามตลาดแลกเปลี่ยน และเสถียรภาพในระดับกระเป๋าเงิน เมื่อความสอดคล้องลดลงต่ำกว่าค่าขีดจำกัดที่กำหนด ออราเคิลจะไม่เผยแพร่ราคาใด ๆ แต่ยังคงแชร์เมทาดาทา: สัญญาณใดล้มเหลว ค่าที่คลาดเคลื่อนไปเท่าไร และเวลาที่คาดว่าจะฟื้นตัว นี่คือรากฐานเชิงปฏิบัติของสิ่งที่บทความจัดกรอบว่าเป็น กลยุทธ์ออราเคิลแบบเงียบอย่างแท้จริง ซึ่งถูกวางตำแหน่งให้เป็นรูปแบบตรงของ การป้องกันการปั่นออราเคิล ที่ฟีดข้อมูลแบบ always-on ในปัจจุบันไม่มีให้
การทดสอบย้อนหลัง “ความเงียบ” กับการโจมตี DeFi 30 กรณี
เพื่อทดสอบทฤษฎีกับความเสี่ยงในโลกจริง นักวิจัยได้ทดสอบย้อนหลังทั้งสองกลยุทธ์กับการโจมตีปั่นออราเคิลครั้งใหญ่ทุกกรณีที่บันทึกไว้ตั้งแต่ปี 2020 — รวม 30 เหตุการณ์ที่สร้างความสูญเสียรวม 3.315 พันล้านดอลลาร์ แนวทางแบบออกค่าตลอดเวลา ซึ่งสะท้อนพฤติกรรมของออราเคิลสไตล์ Chainlink และ Pyth ไม่สามารถป้องกันการโจมตีทั้ง 30 กรณีได้เลย กลยุทธ์ออราเคิลแบบเงียบโดยใช้ค่าขีดจำกัด 0.62 ป้องกันได้ทั้ง 30 กรณี
การป้องกันนั้นมาพร้อมกับการแลกเปลี่ยนที่แท้จริง กลยุทธ์แบบเงียบสร้างอัตราสัญญาณเตือนผิด (false positive) 100% ระหว่างเหตุการณ์ความผันผวนสูงที่ไม่ใช่การโจมตีจริง สร้าง “ความเงียบ” ที่ไม่จำเป็น 2,147 ครั้งตลอดช่วงการทดสอบย้อนหลัง ความเงียบเฉลี่ยกินเวลาเพียง 2.4 บล็อก และบทความประเมินว่าต้นทุนความล่าช้าที่เกิดขึ้นทำให้ผู้บริโภคเสียค่าใช้จ่ายประมาณ 11 ล้านดอลลาร์ในแรงเสียดทานด้านการชำระบัญชี — เป็นเพียงเศษเสี้ยวของ 3.315 พันล้านดอลลาร์ที่กลยุทธ์นี้จะปกป้องได้ ตามที่นักวิจัยจัดกรอบ ออราเคิลที่ยอมหยุดชั่วคราวในช่วงที่มีความคลุมเครือจะสูญเสียปริมาณงานเพียงเล็กน้อยแต่ปกป้องเงินของผู้ใช้ได้แทบทั้งหมด ในขณะที่ออราเคิลแบบ always-on ยังคงพร้อมใช้งานอย่างสมบูรณ์และถูกโจมตีได้อย่างสมบูรณ์
สิ่งที่จะตามมา: อุปสรรคด้านการนำไปใช้และคำถามเปิด
ผลลัพธ์ทั้งสองชี้ไปสู่ข้อสรุปเดียวกัน: จำเป็นต้องมีการเปลี่ยนแปลงโปรโตคอลในระยะสั้นเพื่อให้ลงมือปฏิบัติตาม และยังมีความเสี่ยงร้ายแรงหลายประการที่ยังไม่ได้รับการแก้ไข บทความระบุอย่างชัดเจนว่านี่เป็นข้อเสนอ ไม่ใช่วิศวกรรมที่เสร็จสมบูรณ์ และมันระบุข้อสงสัยของตัวเองควบคู่ไปกับข้อค้นพบ
การเดินสายใหม่ให้โปรโตคอลฉันทามติและออราเคิล
ในฝั่งฉันทามติ บทความโต้แย้งว่ากลไกการ finalization ของ Ethereum ควรให้น้ำหนักคะแนนเสียงโดยใช้ปัจจัยความหลากหลาย d_j ควบคู่กับ stake s_j แทนที่จะใช้ stake เพียงอย่างเดียว — หมายความว่าเอนทิตีตัวตรวจสอบความถูกต้องขนาดใหญ่ที่โหวตเหมือนกับฝูงชนเสมอควรมีอิทธิพลใกล้เคียงกับตัวตรวจสอบความถูกต้องอิสระเพียงรายเดียว ไม่ใช่หลายเท่าของมัน ที่น่าสังเกตคือ การวิเคราะห์ชี้ให้เห็นว่าเลนส์ความหลากหลายด้านพฤติกรรมแบบเดียวกันนี้จะช่วยบรรเทาความกังวลเกี่ยวกับการรวมศูนย์ของผู้สร้างบล็อก MEV-Boost ได้โดยอัตโนมัติ เนื่องจากผู้สร้างที่มีพฤติกรรมสัมพันธ์กันจะสูญเสียอิทธิพลของ proposer โดยอัตโนมัติ โดยไม่ต้องออกแบบแยกส่วน proposer-builder ใหม่แยกต่างหาก
ในฝั่งออราเคิล การนำกลยุทธ์แบบเงียบมาใช้หมายความว่าโปรโตคอล DeFi ต้องปฏิบัติต่อ “ไม่มีค่าพร้อมใช้งาน” ในฐานะผลลัพธ์ที่ถูกต้องและคาดหวังได้ แทนที่จะเป็นความล้มเหลวของระบบ นี่เป็นการเปลี่ยนแปลงเชิงโครงสร้าง: ตลาดให้กู้ยืม ตลาด perpetual และเอนจินการชำระบัญชีส่วนใหญ่ในปัจจุบันถือว่าฟีดราคาต้องออนไลน์ตลอดเวลา และจะต้องมีการออกแบบใหม่อย่างมีนัยสำคัญเพื่อจัดการช่องว่างได้อย่างราบรื่นโดยไม่ทำให้สถานะของผู้ใช้พัง
เวกเตอร์การโจมตียังคงไม่ได้รับการแก้ไข
บทความพูดอย่างตรงไปตรงมาถึงจุดที่มันอาจผิดพลาด มันระบุปัญหาเปิดหลายประการที่นักวิจัยต้องจัดการก่อนที่แนวคิดใด ๆ จะไปถึงขั้นผลิตจริง:
- การโจมตี sybil-decorrelation ซึ่งผู้โจมตีแยกตัวเองออกเป็นหลายเอนทิตีที่มีพฤติกรรมต่างกันเกือบตลอดเวลา แล้วจึงประสานงานกันเฉพาะในช่วงเวลาที่โจมตี อาจใช้ประโยชน์จากการให้น้ำหนักตามความหลากหลายได้
- ความเสี่ยงของ DW-BFT ที่จะลงโทษตัวตรวจสอบความถูกต้องที่ซื่อสัตย์ซึ่งโหวตในทิศทางเดียวกันอย่างถูกต้องระหว่างฉันทามติปกติ เนื่องจากความสัมพันธ์เพียงอย่างเดียวไม่สามารถแยกแยะการประสานงานออกจากความเห็นพ้องที่ชอบธรรมได้อย่างสมบูรณ์
- ตัวชี้วัดความสอดคล้องเองอาจถูกปั่นโดยผู้โจมตีที่มีเงินทุนสูง ซึ่งบทความประเมินว่าจะต้องใช้เงินทุนประมาณ 40 ถึง 60 เท่าของการโจมตีฟีดราคาโดยตรง
- กระบวนการดึงคุณลักษณะด้านพฤติกรรมในปัจจุบันยังพึ่งพาส่วนประกอบแบบรวมศูนย์ที่กึ่งน่าเชื่อถือ แทนที่จะเป็นการคำนวณแบบกระจายศูนย์อย่างเต็มรูปแบบ
ข้อแม้เหล่านี้สำคัญเพราะพวกมันกำหนดว่ามีงานอีกมากแค่ไหนระหว่างทฤษฎีบทที่น่าสนใจกับการเปลี่ยนโปรโตคอลที่พร้อมใช้งานจริง ข้อค้นพบเกี่ยวกับความหลากหลายของตัวตรวจสอบความถูกต้องของ Ethereum และกลยุทธ์ออราเคิลแบบเงียบต่างตั้งอยู่บนข้อมูลการจำลองและการทดสอบย้อนหลังที่แข็งแรง แต่ตัวบทความเองจัดกรอบสิ่งเหล่านี้เป็นจุดเริ่มต้นสำหรับการกลั่นกรองของชุมชนมากกว่าวิศวกรรมที่ลงตัวแล้ว เชิญชวนให้มีการโต้แย้ง การจำลองทางเลือก และโครงสร้างที่ทฤษฎีบทอาจใช้ไม่ได้
คำถามที่พบบ่อย
ทำไมความสัมพันธ์ของพฤติกรรมตัวตรวจสอบความถูกต้องจึงลดน้ำหนักโหวตที่มีประสิทธิผลใน DW-BFT?
เพราะตัวตรวจสอบความถูกต้องที่มีเวกเตอร์พฤติกรรมเกือบเหมือนกันมีความสัมพันธ์กันอย่างแรง น้ำหนักความหลากหลายของพวกเขาจึงเข้าใกล้ศูนย์ ทำให้อำนาจโหวตที่มีประสิทธิผลลดลงโดยไม่ขึ้นกับสัดส่วนการวางเดิมพันตามชื่อ
กลยุทธ์ออราเคิลแบบเงียบช่วยเพิ่มการป้องกันการปั่นราคาได้อย่างไร?
ด้วยการระงับการเผยแพร่เมื่อเมตริกความสอดคล้องบ่งชี้ถึงความไม่แน่นอน ออราเคิลแบบเงียบจึงหลีกเลี่ยงการ เผยแพร่ค่าที่ถูกปั่น ลดความสูญเสียคาดหวังเมื่อเทียบกับการเผยแพร่ข้อมูลที่เปราะบางตลอดเวลา
ความท้าทายหลักในการนำ DW-BFT และกลยุทธ์ออราเคิลแบบเงียบไปใช้คืออะไร?
ความท้าทายรวมถึงการปรับโปรโตคอลฉันทามติเพื่อให้น้ำหนักคะแนนเสียงตามความหลากหลายด้านพฤติกรรม การปรับโปรโตคอล DeFi ให้รองรับกรณีที่ไม่มีข้อมูลออราเคิล และการป้องกันเวกเตอร์การโจมตีใหม่ เช่น sybil-decorrelation และการปั่นเมตริกความสอดคล้อง
ทำไมออราเคิลแบบออกค่าตลอดเวลาจึงยังคงเปราะบางแม้จะถูกใช้งานอย่างแพร่หลาย?
ออราเคิลแบบออกค่าตลอดเวลาให้ความสำคัญกับความพร้อมใช้งานมากกว่าความถูกต้องของข้อมูล โดยไม่เคยระงับข้อมูลแม้ในช่วงที่ถูกโจมตี ทำให้ผู้โจมตีสามารถใช้ประโยชน์จากฟีดราคาที่ค้างหรือถูกปั่นได้
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”ทำไมความสัมพันธ์ของพฤติกรรมตัวตรวจสอบความถูกต้องจึงลดน้ำหนักโหวตที่มีประสิทธิผลใน DW-BFT?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”เพราะตัวตรวจสอบความถูกต้องที่มีเวกเตอร์พฤติกรรมเกือบเหมือนกันมีความสัมพันธ์กันอย่างแรง น้ำหนักความหลากหลายของพวกเขาจึงเข้าใกล้ศูนย์ ทำให้อำนาจโหวตที่มีประสิทธิผลลดลงโดยไม่ขึ้นกับสัดส่วนการวางเดิมพันตามชื่อ.”}},{“@type”:”Question”,”name”:”กลยุทธ์ออราเคิลแบบเงียบช่วยเพิ่มการป้องกันการปั่นราคาได้อย่างไร?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”ด้วยการระงับการเผยแพร่เมื่อเมตริกความสอดคล้องบ่งชี้ถึงความไม่แน่นอน ออราเคิลแบบเงียบจึงหลีกเลี่ยงการเผยแพร่ค่าที่ถูกปั่น ลดความสูญเสียคาดหวังเมื่อเทียบกับการเผยแพร่ข้อมูลที่เปราะบางตลอดเวลา.”}},{“@type”:”Question”,”name”:”ความท้าทายหลักในการนำ DW-BFT และกลยุทธ์ออราเคิลแบบเงียบไปใช้คืออะไร?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”ความท้าทายรวมถึงการปรับโปรโตคอลฉันทามติเพื่อให้น้ำหนักคะแนนเสียงตามความหลากหลายด้านพฤติกรรม การปรับโปรโตคอล DeFi ให้รองรับกรณีที่ไม่มีข้อมูลออราเคิล และการป้องกันเวกเตอร์การโจมตีใหม่ เช่น sybil-decorrelation และการปั่นเมตริกความสอดคล้อง.”}},{“@type”:”Question”,”name”:”ทำไมออราเคิลแบบออกค่าตลอดเวลาจึงยังคงเปราะบางแม้จะถูกใช้งานอย่างแพร่หลาย?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”ออราเคิลแบบออกค่าตลอดเวลาให้ความสำคัญกับความพร้อมใช้งานมากกว่าความถูกต้องของข้อมูล โดยไม่เคยระงับข้อมูลแม้ในช่วงที่ถูกโจมตี ทำให้ผู้โจมตีสามารถใช้ประโยชน์จากฟีดราคาที่ค้างหรือถูกปั่นได้.”}}]}
บทความนี้จัดทำขึ้นโดยได้รับความช่วยเหลือจากปัญญาประดิษฐ์และผ่านการตรวจทานโดยทีมบรรณาธิการแล้ว
