KeyFrame內部研究專用

DeFi security Summit 2023 - Session 10: Focused Talks 2 - Yaron Velner

DeFi Security Summit - DSS·7月16日週日·10 min英文

三句話摘要

DeFi 借貸市場的自動化風險管理:用智能合約和客觀公式取代人為治理決策來計算貸款價值比率。 智能合約自動執行的客觀 LTV 公式是 DeFi 走向風險可預測化、決策去政治化的必經之路。 問題根源:人為決策帶來的系統風險 — DeFi 經歷過 Aero、Genesis Trading、FTX 等多次破產,根本原因是決策者缺乏客觀判斷標準,傾向於延遲風險控制措施。儘管鏈上交易透明,但 DAO 的治理流程仍然緩慢、難以預測,容易陷入政治化僵局。

重點整理

重點
  • 1

    問題根源:人為決策帶來的系統風險 — DeFi 經歷過 Aero、Genesis Trading、FTX 等多次破產,根本原因是決策者缺乏客觀判斷標準,傾向於延遲風險控制措施。儘管鏈上交易透明,但 DAO 的治理流程仍然緩慢、難以預測,容易陷入政治化僵局。

  • 2

    解決方案架構:分層的客觀公式 — 設計一個統一 LTV 計算公式,輸入三類參數:市場客觀數據(波動性、流動性)、DAO 層參數(債務上限、清算激勵)、以及使用者指定的信心水平。最後輸出建議的 LTV,讓智能合約自動執行,完全消除政治因素。

  • 3

    關鍵優勢:即時調整與可預測性 — 目前 LTV 參數幾個月才經過複雜治理流程更新一次,而自動化公式可根據市場條件即時調整。雖然可能不如人工計算精確,但確保了完全的鏈上可預測性,避免隱藏的決策邏輯。

  • 4

    應用與驗證:反向工程現有市場 — 該公式不僅適用於新協議,還能對現有借貸平台(如 Compound)反向工程,推導出其隱含的信心水平,進而比較不同平台對同一資產的風險評估差異。

實用技巧與重點

乾貨
  • 歷史背景
  • 2008 年次貸危機 → 比特幣誕生
  • 加密市場案例:Aero、Genesis Trading、FTX 破產
  • USDC 掛鉤事件:Gauntlet 提議凍結清算
  • 核心數據來源
  • DEX 流動性(無法直接從 Chainlink 獲取)
  • 市場波動性
  • 債務上限與清算激勵(直接從 DAO 參數)
  • 合作機構
  • Block Analytics(MakerDAO 風險供應商)
  • Bll 協議(方案主導)
  • Race Risk DAO(服務部門)
  • 分析案例:Compound 平台
  • Bitcoin、Link、RAP 的信心水平相近,LTV 配置也相近
  • Uni 在 MakerDAO 和 Compound 之間有顯著差異
  • 差異原因:LTV 更新頻率低(每幾個月治理一次)
  • 實現路線
  • 分兩部分工作
  • 第一部分:選擇簡潔而非精確的 LTV 計算模型(保證鏈上可預測性)
  • 第二部分:構建共識模型將市場數據上鍊

結論

結論

智能合約自動執行的客觀 LTV 公式是 DeFi 走向風險可預測化、決策去政治化的必經之路。

完整解析

詳細

DeFi 借貸市場正面臨一個根本性的風險管理危機。儘管區塊鍊技術承諾了透明性和去中心化,但現實中借貸平台的關鍵風險參數——貸款價值比率(LTV)——仍然由 DAO 治理投票決定,這導致決策流程緩慢、充滿政治考量,難以對市場變化做出及時反應。

講者從歷史出發指出,比特幣誕生於 2008 年金融危機,其初衷是解決傳統金融的信用評估問題。然而諷刺的是,加密市場經歷了 Aero、Genesis Trading、FTX 等一系列破產事件,都源於相同的根本問題:決策者缺乏客觀的風險衡量標準,傾向於延遲採取控制措施。例如在 USDC 掛鉤危機中,即使凍結清算可能對協議有利,這種決策本身就喚起了對過往危機的記憶,暴露了治理層的決策權過大。

為此,講者團隊提出了一個創新的解決方案:開發統一的 LTV 計算公式,完全基於客觀的數學模型。此公式的設計採用分層架構:第一層是市場客觀數據,包括資產波動性和 DEX 流動性;第二層是 DAO 層的明確參數,如債務上限和清算激勵;第三層保留一個主觀參數——信心水平,用於應對傳統風險指標失效的情況(例如 Luna 的波動性曾看似正常,卻最終崩潰)。通過智能合約執行此公式,LTV 可以根據市場條件即時自動調整,完全消除政治因素和治理延遲。

為了驗證這個想法,講者與 Block Analytics(MakerDAO 的風險供應商)展開合作。他們對 Compound 平台既有的 LTV 配置進行了反向工程,通過已配置的 LTV 推導出隱含的信心水平。結果發現 Bitcoin、Link 等資產的信心水平相近,而 Uni 在 MakerDAO 和 Compound 之間存在顯著差異——這很可能反映了不同平台的 LTV 更新頻率差異(因為治理投票過程繁瑣,更新往往要間隔數月)。這個發現證實了自動化公式的必要性。

目前該工作仍在進行中,面臨兩個關鍵技術挑戰。首先是建立一個既簡潔又穩健的計算模型。講者團隊刻意選擇了簡潔勝於精確的設計原則,確保所有邏輯都能以完全可預測的方式在鏈上執行,避免引入額外的人為決策空間。其次是如何將市場數據可靠地上鍊,由於 DEX 流動性和波動性等數據無法直接從現有預言機獲取,團隊計畫構建共識模型來解決數據上鍊問題。這項工作由 Bll 協議主導,Race Risk DAO 擔任服務角色,並歡迎其他借貸平台和風險供應商聯繫合作,為具體平台開發定制化的公式和智能合約。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「Web3 安全」的內容

IF YOU OWN XRP YOU NEED TO SEE THIS PRICE MANIPULATION! ⚠️
8 min
Web3 安全英文8月14日

IF YOU OWN XRP YOU NEED TO SEE THIS PRICE MANIPULATION! ⚠️

Zach Humphries

  • 機構支撐的積極意義:價格操縱常被視為負面,但Ripple掌握大量XRP供應與escrow,在熊市期間提高價格下限,實際上替零售投資者鎖定了低風險的積累區間,這不是剝削而是市場穩定機制。
  • 歷史模式驗證:2024年7月至11月XRP在50美分附近橫盤整理,低點觸及42美分(wick),高點65美分;隨後11月5日至12月5日單月上漲456%,年底到2025年初累計漲幅534%,這個歷史周期正在1美元價位重演。
  • 比特幣聯動邏輯:講者在4-5月就預測「如果比特幣跌至60k以下,XRP會跌至1美元或更低」,此預測精準應驗,反映出熊市中兩者的明確連動關係。
Minimmit, Multimmit and the New Consensus Frontier with Patrick O'Grady
72 min
Web3 安全英文PODCAST8月5日

Minimmit, Multimmit and the New Consensus Frontier with Patrick O'Grady

Zero Knowledge

  • 反向 Linux 架構:Commonware 刻意暴露棧各層級控制,讓開發者自訂執行環境、共識機制、密碼學實現,而非像 Cosmos SDK 只允許應用層以上定制。2-3 個月能組裝一條定製鏈,代價是額外深度但回報是長期維護成本降低及效能優化彈性。
  • 容錯假設的典範轉移:Alpine Glow(Solana 2025)實現單輪投票定終的關鍵是將容錯預算分離為獨立的 Byzantine 和 Crash 容限。傳統系統把 33% 當一個整體預算;新模型允許 20% 惡意加 20% 崩潰,打破了 PBFT 理論界線,釋放單輪設計空間。
  • Minimet 與 Multimet 的遞進:Minimet 是 5F+1 設定下的乾淨構造,實現更短視圖延遲;Multimet(剛發布)進一步允許並行 mini-commits 且驗證者可推翻領導者審查,使用者交易在全球分布式網路達到 200-300 毫秒端到端定終。
Private Information Retrieval (PIR) with Alex Hoover
64 min
Web3 安全英文PODCAST7月29日

Private Information Retrieval (PIR) with Alex Hoover

Zero Knowledge

  • PIR 保護的是訪問模式,不是資料本身
  • PIR 與加密不同,它關注的是隱藏「客戶端查詢了什麼」,而非「資料是否加密」。在公開資料庫(如區塊鏈)上,客戶端可以在不洩露查詢對象給伺服器的情況下檢索特定條目,解決了輕量級客戶端的隱私和防審查問題。
  • 客戶端預處理方案是突破瓶頸的關鍵