FX168财经网_全球视野外汇黄金加密货币NFT资讯网

智能合约智能性的下一步：深入剖析ZKML赛道

包括： 1、DeFi 可验证的链下ML预言机。继续采用生成式人工智能可能推动行业实施其内容的签名方案（例如，新闻出版物签署文章或图像）。签名数据准备好进行零知识证明，使数据可组合且可信。ML模型可以在链下处理这些签名数据以进行预测和分类（例如，对选举结果或天气事件进行分类）。这些链下ML预言机可以通过验证推理并在链上发布证明来无需信任地解决现实世界的预测市场、保险协议合约等问题。基于ML参数的DeFi应用。DeFi的许多方面可以更加自动化。例如，借贷协议可以使用ML模型实时更新参数。目前，借贷协议主要依赖由组织运行的链下模型来确定抵押因子、贷款价值比、清算阈值等，但更好的选择可能是社区训练的开源模型，任何人都可以运行和验证。自动化交易策略。展示金融模型策略的回报特征的常见方式是MP向投资者提供各种回测数据。然而，没有办法在执行交易时验证策略师是否遵循该模型 - 投资者必须信任策略师确实遵循模型。zkML提供了一个解决方案，MP可以在部署到特定头寸时提供金融模型推理的证明。这对于DeFi管理的保险库可能尤其有用。 2、安全性智能合约的欺诈监控。与其让缓慢的人工治理或中心化参与者控制暂停合约的能力，可以使用ML模型来检测可能的恶意行为并暂停合约。 3、传统ML 分散的、无信任的Kaggle实现。可以创建一个协议或市场，允许MC或其他感兴趣的方验证模型的准确性，而无需MP披露模型权重。这对于销售模型、围绕模型准确性进行竞赛等方面非常有用。生成式AI的去中心化提示市场。生成式AI的提示创作已经发展成为一门复杂的工艺，最佳输出生成提示通常具有多个修改器。外部方可能愿意从创作者那里购买这些复杂的提示。zkML在这里可以有两种用法：1）验证提示的输出，以向潜在买家确保提示确实创建所需的图像； 2）允许提示所有者在购买后保持对提示的所有权，同时对买家保持模糊，但仍为其生成经过验证的图像。 4、身份用保护隐私的生物识别认证替代私钥。私钥管理仍然是web3用户体验中最大的障碍之一。通过面部识别或其他独特因素抽象私钥是zkML的一种可能解决方案。公平的空投和贡献者奖励。可以使用ML模型创建用户的详细人物画像，根据多个因素确定空投分配或贡献奖励。当与身份解决方案结合使用时，这可能特别有用。在这种情况下，一种可能性是让用户运行一个开源模型，评估他们在应用程序中的参与情况以及更高层次的参与，比如治理论坛的帖子，以推理他们的分配。然后提供这个证明给合约，以获得相应的代币分配。 5、Web3社交用于web3社交媒体的过滤。web3社交应用的去中心化性质将导致垃圾信息和恶意内容的增加。理想情况下，社交媒体平台可以使用一个社区共识的开源ML模型，并在选择过滤帖子时发布模型推理的证明。案例：关于Twitter算法的zkML分析。广告/推荐。作为一个社交媒体用户，我可能愿意看到个性化的广告，但希望将我的偏好和兴趣对广告商保密。我可以选择在本地运行一个关于我的兴趣的模型，将其输入到媒体应用程序中为我提供内容。在这种情况下，广告商可能愿意为最终用户支付费用，以实现这一点，然而，这些模型可能远不如目前生产中的定向广告模型复杂。 6、创作者经济/游戏游戏内经济再平衡。可以使用ML模型动态调整代币发行、供应、销毁、投票门槛等。一个可能的模型是一个激励合约，如果达到一定的再平衡门槛并验证了推理的证明，就会重新平衡游戏内经济。新类型的链上游戏。可以创建合作的人类对抗AI游戏和其他创新的链上游戏，其中无信任的AI模型充当一个不可玩的角色。NPC采取的每个动作都会与一个任何人都可以验证的证明一起发布到链上，以确定正在运行正确的模型。在Modulus Labs的Leela vs. the World中，验证者希望确保所述的1900 ELO AI选择棋步，而不是Magnus Carlson。另一个例子是AI Arena，一个类似于Super Smash Brothers的AI格斗游戏。在高风险的竞争环境中，玩家希望确保他们训练的模型没有干扰或作弊。新兴项目和基础设施 zkML生态系统可以广泛分为四个主要类别：模型到证明编译器：将现有格式（例如Pytorch、ONNX等）的模型编译成可验证的计算电路的基础设施。广义证明系统：构建用于验证任意计算轨迹的证明系统。 zkML特定的证明系统：专门构建用于验证ML模型计算轨迹的证明系统。应用程序：致力于独特zkML用例的项目。 01模型验证编译器（Model-to-Proof Compilers）在zkML生态系统中，大部分关注都集中在创建模型到证明编译器上。通常，这些编译器将使用Pytorch、Tensorflow等高级ML模型转换为zk电路。 EZKL是一个库和命令行工具，用于在zk-SNARK中进行深度学习模型的推理。使用EZKL，您可以在Pytorch或TensorFlow中定义一个计算图，并将其导出为带有JSON文件中一些示例输入的ONNX文件，然后将EZKL指向这些文件以生成zkSNARK电路。通过最新一轮的性能改进，EZKL现在可以在约6秒和1.1GB的RAM内证明一个MNIST大小的模型。迄今为止，EZKL已经得到了一些显着的早期采用，被用作各种黑客马拉松项目的基础设施。 Cathie So的circomlib-ml库包含了用于Circom的各种ML电路模板。电路包括一些最常见的ML函数。由Cathie开发的Keras2circom是一个Python工具，使用底层的circomlib-ml库将Keras模型转换为Circom电路。 LinearA开发了两个用于zkML的框架：Tachikoma和Uchikoma。Tachikoma用于将神经网络转换为仅使用整数的形式并生成计算轨迹。Uchikoma是一个工具，将TVM的中间表示转换为不支持浮点运算的编程语言。LinearA计划支持使用域算术的Circom和使用有符号和无符号整数算术的Solidity。 Daniel Kang的zkml是一个基于他在《Scaling up Trustless DNN Inference with Zero-Knowledge Proofs》论文中的工作构建的ML模型执行证明的框架。在撰写本文时，它能够在约5GB的内存和约16秒的运行时间内证明一个MNIST电路。在更广义的模型到证明编译器方面，有Nil Foundation和Risc Zero。Nil Foundation的zkLLVM是一个基于LLVM的电路编译器，能够验证用流行编程语言（如C++、Rust和JavaScript/TypeScript等）编写的计算模型。与这里提到的其他模型到证明编译器相比，它是通用的基础设施，但仍适用于复杂的计算，如zkML。当与他们的证明市场结合使用时，这可能尤为强大。 Risc Zero构建了一个通用的zkVM，针对开源的RISC-V指令集，因此支持现有成熟的语言，如C++和Rust，以及LLVM工具链。这允许在主机和客户zkVM代码之间实现无缝集成，类似于Nvidia的CUDA C++工具链，但是使用ZKP引擎代替GPU。与Nil类似，使用Risc Zero可以验证ML模型的计算轨迹。 02广义证明系统证明系统的改进是使 zkML 取得成果的主要推动力，特别是自定义门和查找表的引入。这主要是由于 ML 对非线性的依赖。简而言之，非线性是通过激活函数（例如 ReLU、sigmoid 和 tanh）引入的，这些激活函数应用于神经网络中线性变换的输出。由于数学运算门的限制，这些非线性在 zk 电路中实现起来具有挑战性。按位分解和查找表可以通过将非线性的可能结果预先计算到查找表中来帮助解决这个问题，有趣的是，这在 zk 中的计算效率更高。出于这个原因，Plonkish 证明系统往往是 zkML 最受欢迎的后端。Halo2 和 Plonky2 及其表式算术方案可以通过查找参数很好地处理神经网络非线性。此外，前者拥有充满活力的开发人员工具生态系统和灵活性，使其成为包括 EZKL 在内的许多项目的实际后端。其他证明系统也有其优势。基于R1CS的证明系统包括Groth16，因其小型证明尺寸而闻名，以及Gemini，因其处理极大电路和线性时间验证器而闻名。基于STARK的系统，例如Winterfell证明器/验证器库，尤其在通过Giza的工具将Cairo程序的追踪作为输入，并使用Winterfell生成STARK证明来验证输出的正确性时，非常有用。 03zkML特定的证明系统在设计能够处理先进的机器学习模型的复杂、电路不友好的操作的高效证明系统方面已经取得了一些进展。基于GKR证明系统的zkCNN和基于组合技术的Zator等系统往往比通用证明系统更具性能，这一点在Modulus Labs的基准测试报告中有所体现。 zkCNN是一种使用零知识证明来证明卷积神经网络正确性的方法。它使用sumcheck协议来证明快速傅里叶变换和卷积，具有线性的证明时间，比渐近计算结果更快。已经引入了几个改进和泛化的交互证明，包括验证卷积层、ReLU激活函数和最大池化。根据Modulus Labs的基准测试报告，zkCNN特别有趣的地方在于它在证明生成速度和RAM消耗方面优于其他通用证明系统。 Zator是一个旨在探索使用递归SNARK来验证深度神经网络的项目。验证更深层次模型的当前限制是将整个计算轨迹适应单个电路中。Zator提出使用递归SNARK逐层进行验证，可以逐步验证N步重复计算。他们使用Nova将N个计算实例减少为一个可以通过单个步骤进行验证的实例。采用这种方法，Zator能够对具有512层的网络进行SNARK，这与大多数当前的生产AI模型一样深。Zator的证明生成和验证时间仍然对于主流应用案例来说过长，但他们的组合技术仍然是非常有趣的。应用领域鉴于zkML处于早期阶段，其关注点主要集中在上述基础设施上。然而，目前也有一些项目致力于应用开发。 Modulus Labs是zkML领域中最多样化的项目之一，他们既开展示例应用，也从事相关研究。在应用方面，Modulus Labs通过RockyBot（一个链上交易机器人）和Leela vs. the World（一个人类与经过验证的链上Leela国际象棋引擎对战的棋盘游戏）展示了zkML的用例。该团队还进行了研究，编写了《智能的代价》，对不同模型规模下的各种证明系统的速度和效率进行了基准测试。 Worldcoin正在尝试应用zkML来创建一个保护隐私的人类身份证明协议。Worldcoin使用定制硬件处理高分辨率虹膜扫描，并将其插入到Semaphore实现中。然后可以使用该系统执行诸如成员资格证明和投票等有用操作。他们目前使用受信任的运行时环境和安全的安全区域来验证相机签名的虹膜扫描，但他们最终的目标是使用零知识证明来验证神经网络的正确推理，以提供加密级别的安全保证。 Giza是一种协议，采用完全无信任的方法在链上部署AI模型。它使用包括ONNX格式表示机器学习模型、Giza Transpiler用于将这些模型转换为Cairo程序格式、ONNX Cairo Runtime用于以可验证和确定性的方式执行模型，以及Giza Model智能合约用于在链上部署和执行模型的技术堆栈。尽管Giza也可以归类为模型到证明编译器的类别，但他们作为一个ML模型市场的定位是目前最有趣的应用之一。 Gensyn是一个分布式硬件供应网络，用于训练ML模型。具体而言，他们正在开发一个基于梯度下降的概率审计系统，并使用模型检查点来使分散式GPU网络能够为全尺度模型提供训练服务。尽管他们在这里的zkML应用非常特定于他们的用例——他们希望确保当一个节点下载和训练模型的一部分时，他们对模型更新的诚实性——但它展示了将zk和ML相结合的强大力量。 ZKaptcha 专注于 web3 中的 bot 问题，为智能合约提供验证码服务。他们目前的实施让最终用户通过完成验证码来生成人类工作的证明，验证码由他们的链上验证程序验证，并通过几行代码由智能合约访问。今天，他们主要只依赖于 zk，但他们打算在未来实现 zkML，类似于现有的 web2 验证码服务，分析鼠标移动等行为以确定用户是否是人类。鉴于 zkML 市场还很早，许多应用程序已经在黑客马拉松级别进行了试验。项目包括 AI Coliseum，一个使用 ZK 证明来验证机器学习输出的链上 AI 竞赛，Hunter z Hunter，一个使用 EZKL 库来验证带有 halo2 电路的图像分类模型输出的照片寻宝游戏，以及 zk Section 9，它将 AI 图像生成模型转换为用于铸造和验证 AI 艺术的电路。 zkML面临的挑战尽管在提高和优化方面取得了飞速的进展，但zkML领域仍然面临一些核心挑战。这些挑战涉及技术和实践等方面，包括：以最小的精度损失进行量化电路规模，特别是当网络由多个层组成时矩阵乘法的高效证明对抗攻击量化是将浮点数表示为定点数的过程，大多数机器学习模型使用浮点数表示模型参数和激活函数，在处理zk电路的域算术时，需要使用定点数。量化对机器学习模型的准确性的影响取决于所使用的精度级别。一般来说，使用较低的精度（即较少的比特数）可能会导致准确性降低，因为这可能引入舍入和近似误差。然而，有几种技术可用于最小化量化对准确性的影响，例如在量化后对模型进行微调，以及使用量化感知训练等技术。此外，zkSummit 9上的一项黑客马拉松项目Zero Gravity显示出，针对边缘设备开发的替代神经网络架构（例如无权重神经网络）可以用于避免电路中的量化问题。除了量化之外，硬件是另一个关键挑战。一旦通过电路正确地表示了机器学习模型，由于zk的简洁性，验证其推理的证明将变得廉价且快速。这里的挑战不在于验证者，而在于证明者，因为随着模型规模的增长，RAM消耗和证明生成时间会迅速增加。某些证明系统（例如使用sumcheck协议和分层算术电路的基于GKR的系统）或组合技术（例如将Plonky2与Groth16相结合，Plonky2在证明时间方面效率高但对于大型模型的高效证明大小较差，而Groth16在复杂模型的复杂度上不会导致证明大小增长）更适合处理这些问题，但在zkML项目中管理权衡是一个核心挑战。在对抗攻击方面，仍然有待努力。首先，如果一个无信任的协议或DAO选择实施一个模型，在训练阶段仍然存在对抗攻击的风险（例如训练模型以在看到特定输入时表现出特定行为，这可能被用来操纵后续的推理）。联邦学习技术和训练阶段的zkML可能是最小化这种攻击面的一种方式。另一个核心挑战是当模型保护隐私时存在模型盗窃攻击的风险。虽然可以混淆模型的权重，但在给定足够的输入输出对的情况下，从理论上讲，仍然有可能反向推导出权重。这主要是对小规模模型的风险，但仍然存在风险。智能合约的可扩展尽管在将这些模型优化为在zk的限制条件下运行时存在一些挑战，但改进工作正在以指数速度进行，一些人预计在进一步的硬件加速下，我们很快就能与更广泛的机器学习领域达到同等水平。为了强调这些改进的速度，zkML从0xPARC在2021年展示了如何在可验证电路中执行小规模MNIST图像分类模型的演示，到Daniel Kang在不到一年后为ImageNet规模的模型做同样的工作的论文。在2022年4月，这个ImageNet规模的模型的准确性从79%提高到92%，并且像GPT-2这样的大型模型在近期内有望成为可能，尽管目前的证明时间较长。我们认为zkML是一个丰富而不断发展的生态系统，旨在扩展区块链和智能合约的能力，使其更加灵活、适应性强和智能化。尽管zkML仍处于早期开发阶段，但它已经开始显示出有希望的结果。随着技术的发展和成熟，我们可以期待在链上看到更多创新的zkML用例。来源：金色财经

金色财经2023-06-13

随着价格暴跌至 3 年低点 Chainlink 鲸鱼交易激增

密货币市场的近期发展中，流行的去中心化预言机网络 Chainlink (LINK) 在价格大幅下跌的情况下见证了巨鲸交易的大幅飙升。据领先的链上分析平台Santiment称，Chainlink 鲸鱼交易量已达到 2023 年的新高。消息传出之际，LINK 价格在周末跌至 5.00 美元的三年低点，引发了相当大的市场动荡。值得注意的是，1,000 到 100,000 个代币的中型 LINK 钱包表现出强烈的积累大量资金的倾向，仅在过去一周就积累了惊人的 390 万个 LINK，价值约 2000 万美元。加密货币市场近期经历了一段动荡期，许多数字资产价格出现大幅波动。Chainlink 是一种在去中心化金融 (DeFi) 领域备受推崇的代币，也未能幸免于这种波动。LINK 代币价格大幅下跌，在周末触及三年低点 5.00 美元。虽然这种价格下跌通常会导致散户投资者恐慌性抛售，但 Santiment 的数据显示，Chainlink 鲸鱼一直在利用这种情况。这些高净值个人或实体一直在积极增持，鲸鱼交易创下2023年新高。从最近的市场状况中出现的一个显着趋势是 LINK 代币在中型钱包中的积累从 1,000 到 100,000 个代币不等。这些钱包代表了 LINK 持有者的很大一部分，在积累大量加密货币方面特别活跃。仅在过去一周，中型钱包就积累了大约 390 万个 LINK 代币，相当于价值 2000 万美元。这表明尽管当前市场不景气，但这些 LINK 持有者对 Chainlink 的未来前景有相当大的信心。鲸鱼和中型钱包对 Chainlink 代币的增持是一个显着的发展，凸显了他们对该项目长期潜力的信心。Chainlink 的去中心化预言机网络在连接智能合约与现实世界数据方面发挥着至关重要的作用，使其成为快速增长的 DeFi 领域的重要基础设施组件。虽然短期价格波动可能令投资者担忧，但鲸鱼对 LINK 代币的增持可能表明他们认为当前的价格水平是一个有吸引力的切入点。此外，中型钱包的积累表明散户投资者也对 Chainlink 未来的增长潜力充满信心。来源：金色财经

金色财经2023-06-13

CC DAO链上征信底层逻辑

账户控制的可信数据。 2,通过灵魂信用预言机计算信用分数 3，DID身份即灵魂绑定不可转让NFT（灵魂绑定，只能属于你） 4，不可替代的（内含唯一的DID，特定于用户） 5，作为抵押或灵魂资产所有权证明的形式，并通过不断质押绑定更多的加密数字资产提高他们的信用评级。 6，CCDAO信用分值的算法：历史参数：●最早持CC时间 ● 最高持CC数量 ● 时间加权持币数量 (如果有DEX资金池) ● 提供流动性凭证时间 ● 最高提供流动性凭证数量社交参数： ●社交媒体影响因子： ● 给予Twitter/Weibo/Facebook/Instagram/Wechat不同的影响因子 ● 社交活跃度：通过Tweet/Retweet等行为得出 ● 社交关系影响力：通过互相关注的账户的影响力及被@的次数加权得出。社区贡献参数： ●CCDAO社区治理参与次数 ● CC社区DAO被选举次数 ● CCDAO社区社交活跃度 ● CCDAO社区影响力指数 ● CCDAO社区创造贡献指数 ● CCDAO社区分享传播指。 7. 通过以上算法最终测评出CCDAO社区参与者的信用分值如同WEB2中的某宝信用分值，链上信用分值应用更为广阔，解决行业发展问题的同时，用户在CCDAO中获得特权和更高的信用贷款额度。来源：金色财经

金色财经2023-06-13

Bankless：SEC 诉讼拉响了 Lido 质押中心化的警报

的 ETH 抵押市场份额。自我延续的预言尽管启用了提款，但 Lido 仍保持着对以太坊质押的主导地位，本月存款增加了近 90 万 ETH (14.3%)。自 Shapella 以来，Lido 的市场份额从 31.4% 增加到 31.6%——这证明了该协议已将过去的成功转变为对未来主导地位的自我延续。 Lido 从其 ETH 质押衍生品的天然优势和削弱竞争对手费用结构的能力中获得这些持续优势。代币优势 stETH 的持有者受益于代币的深度流动性——使其成为巨鲸唯一可行的流动性抵押选择之一——DeFi 中广泛的抵押品集成增加了代币的用例。由于 stETH 具有某些特性，使其比普通 LSD 更具吸引力，资本——尤其是寻求最佳投资属性组合的成熟资本——将继续涌入代币，这进一步使 Lido 的质押衍生品比其他竞争者更具优势。费用结构目前，Lido 提供所有蓝筹质押提供商中最低的费用，这意味着财务激励措施正在积极推动质押者转向 Lido。 Lido 与其最接近的竞争对手之间的差距只会随着时间的推移而越来越大，同时榨取利润，这挤压了其他竞争者的市场空间，因为越来越多的质押者涌向 Lido，以利用他们认为越来越丰厚的质押机会。传统金融世界中存在与 Lido 明显相似的案例。 Vanguard 在 1980 年代以低成本的被动指数巨头彻底改变了投资世界，在逐底竞争中不断降低竞争对手的费用，并且能够保持近半个世纪的优势。 Lido 直接借鉴了这本剧本！打破Lido中心化地位 Lido 治理组织对其不断攀升的质押占比所带来的生存威胁不以为然，并在 2022 年 6 月以压倒性多数投票反对自我限制存款。乍一看，这样做似乎违背了 LDO 代币持有者的最大利益，并损害了 Lido 的盈利能力，但是，很明显，未能自我限制的后果是非常真实的。越来越多的以太坊持有者支持反对Lido，一些人认为，如果他们拒绝自我限制，社区应该强行纠正他们的行为。虽然令人担忧，但我们不太可能看到在基础层实施此类控制，因为这需要硬分叉，这有可能破坏以太坊脆弱的社会共识层，并可能导致令人诟病的链分叉。 Lido 社区应该担心其质押中心化转化为抑制未来对以太坊区块空间的需求的前景。该协议接近三个关键阈值中的第一个，在这三个关键阈值处，以太坊的价值主张的核心属性被降级，从而为潜在的攻击者提供了对该链的更大权力。如果 Lido 继续以不受控制的速度增长，它将不可避免地超过这些阈值并对生态系统构成系统性风险。在过去周期的牛市中，关于去中心化和抵制审查的叙述总是被当下最热门的趋势所忽视。没有比熊市更好的时间来保护以太坊网络的基础属性了。如果没有积极的活动来破坏 Lido 的主导地位，质押提供商很可能会继续扩大其市场份额。那么，您如何参与其中呢？值得庆幸的是，加密颠覆之战总是源于微小的力量，你不需要成为巨鲸就可以参与抵押 ETH 的去中心化。首先，不要在 Lido 抵押。可以考虑在 Swell 质押并争取在今年晚些时候获得 SWELL 空投的资格，用低至 8 ETH 启动自己的 Rocket Pool 迷你矿池，通过对抵押到个人节点的以太坊收取佣金来赚取更高的收益，或者将以太坊 LSD 存入 unshETH 通过代币激励来增加奖励。对于技术精湛的用户，我们可能会建议运行您自己的验证器。无论如何，将质押从 Lido 转移出去将有助于这场反对中心化的斗争，但仅凭钱包的力量并不能阻止 Lido 继续占据主导地位，现在是时候效仿维权人士的做法并持续发声了！来源：金色财经

金色财经2023-06-13

金色Web3.0日报 | Tether在以太坊网络增发10亿枚USDT

在于cB-stETH-STABLE价格预言机存在漏洞 6月12日消息，据派盾分析，Sturdy Finance被攻击的根本原因在于计算cB-stETH-STABLE资产价格的价格预言机存在漏洞。今日早些时候消息，据派盾监测，DeFi借贷协议Sturdy遭黑客攻击，此次攻击或通过价格操纵实行，攻击者已将442.6枚ETH（价值约77万美元）转至Tornado Cash。 4.Nostr推出了具有新的比特币功能的去中心化社交应用程序金色财经报道，视频游戏支付公司Zebedee今天将其主要ZBD应用程序迁移到Nostr，这是一个与Twitter竞争的去中心化平台。这一举措将最终使Zebedee的用户能够无缝地从ZBD应用转移到Nostr现有的数十个应用程序中的任何一个。与控制用户身份的传统社交网络不同，与开源的Nostr协议集成可以通过让任何注册的1800万Nostr用户加入该应用程序来大幅推动采用。Zebedee的联合创始人兼首席技术官Andre Neves表示，ZBD应用现在是一个具有完整功能的Nostr客户端。免责声明：金色财经作为区块链资讯平台，所发布的文章内容仅供信息参考，不作为实际投资建议。请大家树立正确投资理念，务必提高风险意识。来源：金色财经

金色财经2023-06-12

MEV 市场规模及参与者分布未来如何发展

mosis 的 Dev 指出如何通过将预言机纳入应用链的共识中来缓解这种情况（强制 ⅓ 的验证者集串通是困难的）。或许可以使用重新质押来缓解这种情况。或拍卖“提交”预言机更新的权利，从而获得前/后运行权来源：金色财经

金色财经2023-06-12

“美联储摧毁了美国的银行体系”！华尔街大鳄：它处于比08年更严重的崩溃边缘

限协议发出了严厉警告。这位华尔街资深预言家认为：“再次暂停债务上限意味着不计后果的政府支出和借贷将继续下去，直到主权债务和美元危机将其带到灾难性的结局。” 希夫表示：“债务上限协议声称将在未来10年节省1.5万亿美元，这还不到未来10年赤字的5%。但前提是不切实际的乐观经济假设成真。更现实的假设反而会导致赤字激增。” 近几个月来，希夫警告称，将出现比银行业危机更严重的金融危机、“大规模”衰退和萧条。他还对美元贬值和历史上最大的经济灾难发出警告。他预测美元将面临“致命打击”，美元将失去储备货币地位，建议人们现在就抛售美元。

tqttier2023-06-12

史上最大房地产崩盘降至！《富爸爸穷爸爸》作者：恐引发严重全球金融危机建议买黄金、白银及比特币

黄金、白银及比特币。罗伯特·清崎经常预言“经济末日”，他曾预测2021年将发生“世界历史上最严重的市场崩盘”。罗伯特·清崎日前再次对房地产市场发出警告，称房地产市场正处于“有史以来”最大崩盘的边缘。他指出，这将是“有史以来”最严重的崩盘，并强调2023年的危机将使全球金融危机“看起来微不足道”。这位著名作家认为，2023年的崩盘将比2008年全球金融危机(GFC)更严重，并建议投资者通过购买黄金、白银和比特币来保护自己。罗伯特·清崎提到，商业房地产情况持续向下，尤其是大城市办公楼。举例来说，旧金山曾经在2019年炙手可热的办公大楼，今年已经贬值70%。清崎过去曾多次就房地产市场的潜在崩溃发出警告。例如，今年3月，他在推特上表示，美联储的加息将导致股票、债券、房地产和美元暴跌。去年9月，他同样在推特上表示，股票、债券、共同基金、交易所交易基金(ETF)和房地产正在崩溃。最近，特斯拉(Tesla)和Spacex的首席执行官埃隆·马斯克(Elon Musk)也对房地产市场发出警告。5月底，他在推特上表示，“商业地产正迅速崩溃，接下来是房价”。清崎此前解释说，他不再建议将房地产作为一种投资。他去年10月在推特上写道：“在我2022年出版的《资本主义宣言》中，我说马克思主义在2020年大选中接管了美国。马克思主义者将提高财产税，实行租金管制，因为利率上升会降低房地产价值。我推荐黄金、白银和比特币。” 黄金被认为是抵御通胀的避风港。罗伯特·清崎多年来持续看好黄金，之前曾将黄金、白银和比特币称为“真正的货币”，而法定货币却被他称之为“垃圾”。罗伯特·清崎在今年2月预测，到2025年，金价将达到5000美元，白银将飙升至500美元，比特币将飙升至50万美元。他在推特上解释了他的预测：“因为对美元、假货币的信心将被摧毁。金和银是上帝的钱。比特币是人们的美元。” 根据盖洛普(Gallup)此前的一份民意调查，首选长期投资资产仍然是房地产，但它从去年创纪录的45%支持率，大幅下降到2023年的34%。调查称：“过去一年的高利率，使房地产市场降温，抑制了消费者对房地产投资的热情。”相比之下，认为黄金是最佳长期投资目标，支持比率由2022年的15%跳升至26%，这是自2012年以来最高。黄金如今已经超过股票，成为第二受欢迎的投资，并且已经接近第一的位置，有超过四分之一的受访者将黄金视为最佳长线投资。罗伯特·清崎的《富爸爸穷爸爸》是世界上最畅销的书籍之一，这本书被翻译成51种语言，在109多个国家售出了3200多万册。《富爸爸穷爸爸》系列丛书在美国《商业周刊》、《纽约时报》、《华尔街日报》等主要媒体的畅销书排行榜上多次位于榜首。

天马行空2023-06-12

CEX难逃监管宿命详谈DEX的困境与机遇

改进方案将使 DEX 更具吸引力：使用预言机定价；批量交易和交易后结算；集中和自动化的流动性；转向更便宜的 L2。我们还列举了一些这个领域工作的团队，他们正在试图解决我们提出的问题。介绍 DEX 是智能合约区块链的主要用例之一。人们常批评它们是山寨币的赌场，但无论是否导致了投机，无需许可的代币上市机制都具有巨大的价值。当前加密货币交易所格局由场外交易、CLOB（中央限价订单簿）、RFQ（报价请求）和 AMM（自动化做市商）组成。 AMM 已经发展成为在不需要专业做市商参与的情况下创建交易市场的主要用例。但 CLOB 仍然是交易量的主要来源（根据 Defillama 数据，DEX 交易量仅占 CEX 的 16% ，并且超过 60% 的 DEX 交易量由 MEV 驱动，包括 CEX 与 DEX 间套利）。 DEX 仍然只占加密货币交易量的 15% 左右。但他们的份额正在增长。资料来源：Coingecko 2023 年第一季度行业报告在这篇文章中，我们首先会明确一个好的交易所需要具备什么特点，然后我们重点探讨了 DEX 目前的不足之处，并提出了一些改进 DEX 设计的路径。好的交易所是什么样的？作为一名交易员，我需要什么：信任感：在的交易之前、期间和之后的托管风险应该是透明的，并且最小化。最好的价格：我每次都能在这个交易所获得最好的价格，或者接近它——这样我就不需要担心在价格上吃亏。公平：其他人不应该得到比我更好的价格或支付比我更低的费用。速度和可用性：缩短等待交易完成或交易所开盘的时间。信息：交易所帮助我做出明智的选择并监控我的订单。我可以看到交易可能结算的价格，并获得良好的限价单价格和滑点建议。我还可以查看未完成、已结算或已取消的订单。深度流动性和广泛的资产覆盖：大量资产的高流动性可以让我更加放心。流动性提供者和做市商 (MM) 需要什么：收益率：证明资本风险和机会成本背后合理的利润。最佳的风险调整后收益率对做市商来说很重要，其他指标只是达到此目的的一种手段。高交易量、低竞争、高利差、良好的回扣、较低的托管风险等都是为了提高风险调整后的收益率。区块链是运行交易所的好地方，已经为交易者和做市商提供了他们想要的大部分东西：去中心化、开源的结算机制和开放的交易历史是信任、安全、透明和公平的坚实基础。但去中心化交易所还需要一些改进：提供可靠的价格；为 LP 提供良好的收益；应对违反公平执行承诺的 MEV。为什么 AMM 如此受欢迎 AMM 占据所有 DEX 交易量的 95% 以上，是 DEX 市场的绝对主导。以下是 AMM 迄今为止领先于传统限价订单簿或 RFQ 等替代设计的最重要原因：低流动性要求：AMM 始终提供价格，即使流动性很小。被动流动性：你的流动性在 AMM 中被自动管理，所以成为 LP 很容易，任何人都可以赚取费用。简单性：与订单簿交易所相比，AMM 需要更少的计算和存储，因此它们消耗更少的 gas；没有看门人：做市商和交易所上市费用可能高得令人望而却步，而且中心化交易所可以随时下架代币。AMM 使任何项目都可以轻松地自行上线交易和激励流动性。到 2020 年底，即 Uniswap 推出两年后，DEX 交易量才大幅回升。资料来源：Dune 当第一个去中心化交易所推出时，它的流动性很小，做市商很少，交易很少，gas 成本高。在这些条件下运行 CLOB 是不可能的，但 AMM 非常适合。它们相当简单，易于构建、模拟和审核。但是 defi 现在不一样了。订单量正在回升，专业做市商报价的资产种类繁多，Gas 费更低的 L2 开始普及，而且每个人都多多少少了解一些 CFMM（即当今大多数 AMM）的弱点。 AMM 仍然是某些市场的最佳选择（例如，长尾代币），但它们在关键领域落后于中心化交易所。 AMM 的问题高昂的 Gas 费链上交易仍然很昂贵。AMM 交易手续费 ( 0.01 – 0.3% ) 与 CEX 相差不大，但 Gas 费很容易让小额交易（< 1000 美元）承担过高的成本，即使在 L2 上也是如此。价格时效性差 AMM 通常不会给你最好的价格，它的价格仅通过交易变动。因此，你需要依靠套利交易者来确保 AMM 价格与当前市场价格保持同步。然而，套利交易者除了持有风险外，还受到交易手续费和 Gas 费的限制。因此，流动性较低的 AMM 池很容易与其他交易所的最佳报价相差 1-5% 。损失与再平衡 (LVR) 在随后的几项分析中，Uniswap LP 被证明由于有毒订单流的 LVR 而无利可图。 AMM 是被动的，因此如果资产的价格由其他市场（例如，在币安上）决定，则 AMM 上的价格将始终落后。如果币安上价格上涨，那么 AMM 将以过低的价格将代币出售给套利者。如果币安上价格下跌，AMM 将以过高的价格从套利者手中购买代币。随着时间的推移，AMM，特别是其 LP，将不断累积亏损。这是 LP 支付给套利者的成本，以将价格拉回市场价格。相比之下，限价单上的做市商会在价格发生变化时立即尝试调整报价。然后以市场价格重新平衡他们的投资组合。所以将 AMM 的这种机制称为损失与再平衡 (LVR)。这是被动 LP 因以错误的价格与套利者交易而遭受的损失，而不是以当前市场价格重新平衡其资产。来自 Ankit 的推文很好地解释了 LVR。 LVR 是永久性的：如果价格回到之前的水平，LVR 的损失将无法恢复，这与无常损失不同。 LVR 随着波动性增加而增加：价格上涨越大，LP 的损失就越大。事实上，损失与波动率呈二次方关系。 LVR 取决于发现价格的位置：重要的是你卖给套利交易者的价格比当前加权平均市场价格差多少。由于你作为 LP 也在每笔交易中赚取费用，因此如果你的资金池在市场上具有足够大的权重，这将对你有利。如果 LVR < 赚取的费用，这些交易实际上让你获利而不是亏损。市场权重较小的池将获得较高的 LVR，并且它们的利润被转移到较大池中的 LP 所赚取的利润中。可提取价值交易者和 LP 容易受到 AMM 价值提取的影响：交易者：搜索者可以抢先、插入或阻止你的交易，并影响你的成交价格。被动 LP：更成熟和主动的 LP 可以提供及时的流动性来收取你的大部分交易费用。分散的流动性在 CFMM 上，相同的代币通常与多个不同的代币配对（例如，USDC-WBTC、DAI-WBTC、ETH-WBTC），甚至同一交易对分为多个费用等级。这会分散多个池中的流动性（在本例中为 WBTC），并导致 LP 的费用减少，交易者的深度和价格更差。大部分流动性未用于交易（例如在 Uniswap V2 设计中），甚至在范围订单 AMM 上，价格也经常远离流动性集中的区域。在中心化交易所中，通常只有一种报价资产（例如美元），做市商会主动将大部分流动性保持在当前市场价格附近，对交易者的价格影响较小。更多问题上述问题还给 CFMM 带来了更多缺点：价格和包含的不确定性：交易经常失败固定滑点：AMM 对订单收取固定点差。这使得它们在高度波动的市场中容易受到攻击，而在波动较小的市场中竞争力较弱。难以吸引流动性：损失与再平衡和流动性碎片化使得 AMM 上的 LP 利润较低，吸引流动性更加困难。因此，协议通常需要通过流动性挖矿激励来补贴 LP，以吸引足够的流动性。分散的流动性：在 DEX 上，一个代币通常有多个交易对。大部分流动性未用于交易（，甚至在范围订单 AMM 上，价格也经常远离流动性集中的地方。但这些问题并不意味着 AMM 注定失败。研究和区块链技术都取得了显着进步，并启用了可以解决这些缺点的新方案。 DEX 的改进设计当前已经有几种方法在尝试解决 DEX 的不良价格、MEV、损失与再平衡和流动性碎片化等问题。让我们总结一下最重要的方法，并提出一些新方法。降低 Gas 费更便宜的区块空间 L2 的交易成本要比 L1 便宜一到两个数量级。因此，交易成本现在不再是瓶颈。这意味着更多计算密集型协议设计（如订单簿）开始成为可能。但要在小额交易中与 CEX 竞争，Gas 成本可能还需要再降低一个数量级。 Cows 三个交易者之间的需求匹配 (CoW) 交易示例。每个人都进行他们想要的交换，为彼此提供流动性——无需通过 DEX 路由或支付 DEX 费用。需求匹配 (CoW) 基本上是同时交易互补对的交易者之间的 P2P 资产交换。交易者不支付 AMM 交易费并且支付更少的 Gas（只是转账）。然而，要使它们发挥作用，你需要具有当前最佳出价和报价的优秀预言机。 CowSwap 完全支持匹配需求（全部、部分和多方环交易）——结算许多不需要支付 DEX 费用的交易。链下计算，链上验证如果你将计算密集型部分方在链下，并且仅将链用于托管、结算和验证，则可以实现更复杂的功能。例如，在链下跟踪和匹配限价订单，但在链上保管资金和结算交易。改善价格时效性 RFQ 通过 RFQ，你可以直接从做市商处购买。由于做市商可以在所有场所（链下和其他链）进行交易，通过他们，你也可以访问这些场所的价格和流动性。RFQ 订单的 Gas 效率也更高（只是传输和签名验证，不需要通过池路由）。 Hashflow 和 Airswap 提供了对 RFQ 的轻松链上访问。即时流动性为了补偿有毒订单流的风险，做市商不会在交易所提供尽可能严格和深度的报价。实际上，普通用户向做市商缴税以补贴有毒订单流。但是，如果反过来，在用户提交交易后让做市商定价，那么做市商可以报出更好的价格，因为他们承担的风险更小。这为普通用户提供了更好的价格，并使套利者的日子更难过。这个想法来自于 ChainFlip 的 JIT AMM 模型的设计。降低 DEX 费用费用高的原因之一是保护 LP 免受 LVR 的影响。但是，如果 DEX 可以保护自己免受 LVR 的影响（见下文），那么它也可以设置较低的费用。保持价格最新并防止无利可图的套利的一种方法是使用 Oracles 设定价格。修复 LVR 基于 Oracle 的定价只要 AMM 被动地设定价格，它们就可能容易受到有毒订单流的影响。避免这种情况的一种方法是在套利交易者进来之前主动更新 AMM 上的价格。预言机需要足够快和准确，以免留下套利机会。只要交易产生的费用 < 市场价格的差价，套利就无利可图。因此，为避免有毒订单流，预言机价格的准确性需要小于 AMM 的交易费。 AMM 甚至可以在用户签署交易后设定价格。这进一步保护 LP 免于提供过时的价格，从而避免套利风险。 Swaap 使用预言机指导的定价来大幅降低 LP 的 LVR。激励延迟如果 AMM 能够区分知情（可能非常无利可图）和不知情（平均盈利）的订单流，并且只保留不知情的订单流，那么许多问题就会得到解决。动态费用和交易延迟可以帮助 AMM 区分有毒订单和零售订单。交易信号衰减很快，因此预言机的长时间延迟将使知情交易者更难让 AMM 措手不及。它是这样工作的：缓慢的结算很便宜：如果你可以等待 5 分钟让你的交易结算，那么交易费用就会很便宜（例如， 0.1% 的费用）。交易将以预言机 5 分钟后的价格结算。不知情的交易者不会介意此选项，因为他们可以节省费用并且等待 5 分钟的成本很小。快速结算是昂贵的：以当前预言机价格结算是昂贵的（例如， 0.4% ）。较高的费用会降低知情交易者的信号优势大到 AMM 无利可图的可能性。而且，这仍然为愿意为此付费的用户提供了一个快速结算的选择。延迟允许 DEX 将有毒订单流与无毒订单流分开，或者 DEX 可以简单地完全禁止快速结算。为了有效阻止有毒订单流，快速结算费用必须考虑货币对市场波动性的影响。这方面的令人兴奋的例子是最近的一个投票，Balancer 决定将来自 CowSwap 的所有订单流的交易费用降低 50-75% 。CowSwap 进行批量拍卖，而批量拍卖会引入延迟，使它们对有毒订单流没有吸引力，因此 Balancer 可以安全地为其降低费用，增加其 LP 的利润。积极的流动性管理集中流动性头寸 (Uniswap V3) 允许 LP 将其流动性引导至特定价格范围。这使得 LP 或第三方可以将流动性保持在当前市场价格附近，并大幅提高 LP 的资本效率。积极的流动性管理甚至可以保护 LP 免受某些 LVR 的影响。有了可靠的预言机，AMM 甚至可以自行设置当前预言机价格附近的流动性，因此不需要主动的 LP 管理。 Maverick 成功地利用这一策略大幅提高了 LP 的资本效率。动态滑点和波动率预言机由于 AMM 的损失取决于套利者信号优势的大小，因此有毒订单流更有可能出现在更不稳定的代币对上。在传统订单簿中，做市商会在市场波动较大时增加价差。AMM 可以做同样的事情，并根据当前的市场波动动态调整费用。 Uniswap v3 已经有了一个粗略的版本，它为同一交易对提供不同的费用等级，并让 LP 选择适合该代币对价格波动的费用等级。做市商也会调整他们的滑点，以重新平衡他们的头寸以达到他们的目标——AMMs 可以为他们的 LPs 做类似的事情。抗 MEV 隐私交易提交绕过公共内存池的隐私 RPC 是有效保护交易免受抢先交易和三明治攻击的一种方式。批量拍卖批量拍卖是使价格公平的好方法：你可以在一段时间内批量下单，同一交易对的所有交易都以相同的价格执行。这减少了你的交易被抢先交易的可能性。批量拍卖还增加了阻止有毒订单流的延迟。与负延迟预言机一样，批量拍卖的可组合性较低。它们还极大地改善了交易的定价、可用流动性和路径。这主要消除了交易回溯的可能。如前所述，CowSwap 已经运行批量拍卖，为交易者带来更公平、更安全的结算。动态滑点容忍度设置滑点并不容易。如果交易对价格波动较大，滑点太小会使你的交易失败，而滑点太大会使你容易受到三明治的攻击。因此，为了避免交易失败，去中心化交易所通常具有较高的默认滑点容忍度。然而，有了波动率和深度预言机，DEX 用户界面可以做得更好，并为每笔交易预测正确的滑点。这有助于用户避免三明治攻击或交易失败。 1inch 已经运行逻辑来动态设置滑点。所有 LP 都成为即时 LP 还有一种方法可以减轻即时 (JIT) 流动性攻击：与上面对 LP 的「最后查看」一样，如果你更改模型以确定用户签署交易后的价格，那么你可以允许每个人提交他们的即时报价并公平竞争。然而，这只适用于愿意运行积极策略并能够单独响应每笔交易的 LP。从结构上讲，批量拍卖也是即时流动性交易，因为是在用户提交交易后找到流动性和价格。总结虽然公共区块链是交易所的优秀基础设施，但 DEX 尚未处理大部分交易量。交易量和做市商尚未完全上链的原因有很多：价格没有竞争力，交易者的用户体验不好，收益率太低，执行不安全。幸运的是，所有这些问题都已经有了很好的解决方案，它们有望将大部分交易量带到链上。非常感谢@ankitchiplunkar、@thegostep、@orbmis、@SimonAHarman、@paul_burlage、@CyrillePastour 和@senken_io 提供的有用输入和深入反馈。来源：金色财经

金色财经2023-06-11

长路说币：6.11长路预言以太坊周线顶背离再次成现实,若是无法站上1775,将继续跌跌不休

金色财经2023-06-11

24小时热点