LID:DODO Research:Lido 以太坊质押提款设计, gTrade 近期表现

以太坊上海升级即将到来,ETH质押解锁箭在弦上。用户通过LSD协议质押的ETH,也将随即解锁提取。以Lido为例,LSD以太坊质押提款主要面临几个问题:

恶意用户重复发送提款请求,并重复取消请求。通过重复这个过程,攻击者通过强制Lido验证者在激活队列中花费时间而不累积奖励来有效地降低协议APR;开放赎回,可能引起stETH/ETH对的频繁波动,套利者通过频繁存入赎回,降低协议APR;提款可能导致Slashing发生:虽然Slashing惩罚在网络正常运行时,通常很小,但是当网络由于连续超过四个时期缺乏最终确定性而进入“不活动泄漏”模式,惩罚可能会变得严重;有经验的质押者可以通过观察区块链状态,在NegativeRebasing的时候选择退出头寸,并在Slashing结束后重新添加头寸。这样会导致套利发生,而造成经验不足的质押者的利益损失。在LidoDAO第三次社区会议中,就以上问题给出了以下可行方案:

1.提款请求不能取消;

2.请求的赎回率不能优于创建请求时的赎回率;

3.通过延迟提款请求避免套利发生;

4.使用“缓冲区”的ETH帮助实现快速提款,这包括:

????1)用户存在Lido合约中,等待被质押到验证节点的ETH;

????2)执行层每天所获得的MEV奖励和交易费奖励;

????3)Lido验证节点每天收到的部分质押奖励。

5.提款流程采用Turbo和Bunker两种模式:

???1)Turbo:一旦有足够的以太币,协议就会满足取款请求;

???2)Bunker:当slashing可能发生时,系统会对可能的损失做预测。当损失较大时,用户必须等到根据创建提款请求时可观察到的区块链状态可能预测到的所有损失在所有用户之间共享。

6.由于取款请求有一定的锁定期,出于用户体验的原因,取款请求应该是可转移的。这也将允许形成“Lido取款队列头寸”的二级市场。

目前,提款设计方案正在征求社区意见,有想法的朋友可以参与社区讨论:

链接:https://research.lido.fi/t/withdrawals-for-lido-on-ethereum/3690。

OtherOpinions

以太坊质押解锁或为借贷协议带来增量:通过借贷协议抵押LSD质押凭证参与借贷活动,并非新鲜事,不少LSD协议通过杠杆质押获得规模增长。随着上海升级的到来,以太坊质押提取将使得LSD市场更加繁荣,杠杆质押的需求进一步增加。相关的自动化策略产品,杠杆管理工具也会得到进一步的发展,相关潜力项目有DeFiSaver、cian.app等:

来源:https://twitter.com/NintendoDoomed/status/1619635396014645249

GuardianContract为热钱包提供链上保护:用户可以设置一个多签钱包/硬件钱包作为其“监护人”,监护人有权对用户的资产进行锁定、解锁、解锁和转移。资产一旦被监护人锁定,就不能转让,但用户仍然拥有这些资产的所有权。如果用户的私钥被泄露,合约调用将允许监护人自动解锁资产并将其转移给安全的接收者。

来源:https://medium.com/@owl_of_moistness/on-chain-2fa-is-that-a-thing-95f3fff7f1cc

Datacheck

去中心化杠杆交易平台最近的势头不错,尤其是GainsNetwork_io.;其代币$gns?在1月29号达到了历史新高6.8美金,同时gTrade的协议收入,于1月25号首次超过了GMX。

1)gTrade在Arbitrum上线一个月以来的表现

总交易量:185亿美金,主要集中在加密货币以及外汇的交易类型上;总用户数:将近1000,日用户峰值在200左右;

2)gDAIVault

Arbitrum网络上gDAIVault总锁仓量在1月份快速增长,并反超了Polygon;Arbitrum网络上gDAIVault的年化收益上线后很快反超Polygon,并且达到近30%,而Polygon上是15%左右;

注:在gTrade平台上,用户使用$DAI作为抵押物即可,而与交易对中不同币种无关

3)总锁仓量与手续收入

总锁仓量:GMX超过5亿美金,而gTrade仅有3700万美金;手续费收入:GMX的手续费收入始终高于gTrade;

4)协议收入以及相关交易数超过GMX

协议收入:1月25号首次反超GMX;交易数:过去的一周合约交易数总和超过GMX。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

链链资讯

PolygonTUN:史上最全ChatGPT说明书

LanguageModel长期一来,人类一直梦想着让机器替代人来完成各种工作,其中也包括语言相关工作,如翻译文字,识别语言,检索、生成文字等。为了完成这些目标,就需要机器理解语言.

[0:0ms0-9:471ms