🇮🇹 "La ripartizione dei premi blockchain - una sistematizzazione comparata dai primi principi"

lordwotton · 3 December 2020 18:25

Traduzione italiana di “Blockchain reward sharing - a comparative systematization from first principles” scritto dal prof. Aggelos Kiayias nel blog IOG

Traduzione italiana a cura di Lordwotton di RIOT Stake Pools. Se apprezzi queste traduzioni, per favore valuta di supportare il mio lavoro delegando i tuoi ada a RIOT

La ripartizione dei premi blockchain - una sistematizzazione comparata dai primi principi

Navigare nel variegato panorama degli schemi di ripartizione dei premi e delle scelte che abbiamo fatto nella progettazione dello schema di ripartizione dei rewards Cardano

Nell’articolo precedente abbiamo individuato gli obiettivi del sistema di reward in Cardano, e abbiamo dato delle linee guida generali sull’impegno con il sistema.

In una visione di più alto livello, esamineremo, partendo dai primi principi, il problema generale della condivisione dei premi nei sistemi blockchain. Ricordiamo che i due obiettivi generali di qualsiasi sistema di consenso basato sulle risorse sono quelli di incentivare quanto segue.

Alto impegno. I protocolli di consenso basati sulle risorse sono più sicuri quanto più le risorse sono impegnate nella manutenzione dei protocolli. Il problema, naturalmente, è che le risorse sottostanti sono utili anche per un’ampia varietà di altre cose (ad esempio, elettricità e potenza di calcolo in caso di proof of work, o stake per l’impegno in applicazioni decentralizzate in caso di proof of stake), quindi i detentori di risorse dovrebbero essere incentivati a impegnare risorse per la manutenzione del protocollo.

Bassa leva: la leva si riferisce al decentramento. Prendete un gruppo di 10 persone; se c’è un leader e il gruppo segue sempre i desideri del leader, la leva del leader è di 10 mentre quella di tutti gli altri è pari a zero. Se invece l’opinione di tutti conta lo stesso, la leva di tutti è 1. Questi sono due estremi, ma dovrebbe essere abbastanza ovvio quali tipi di leva si allineano meglio con il decentramento. Dal punto di vista economico, tuttavia, una “dittatura benevola” è sempre più efficiente; di conseguenza, il decentramento avrà un costo (esattamente come la democrazia), e quindi dovrà essere adeguatamente incentivato.

Considerati gli obiettivi di cui sopra, esaminiamo ora alcuni approcci che sono stati presi in considerazione nei sistemi di consenso e sistematizziamoli in termini di come affrontano i suddetti obiettivi. Una prima importante categorizzazione che introdurremo è quella tra schemi di ricompensa unimodali e multimodali.

Unimodale

In uno schema unimodale, c’è solo un modo per impegnarsi nel protocollo di consenso con le proprie risorse. Esaminiamo due sottocategorie di schemi unimodali.

1. Unimodale lineare

Questo è l’approccio più semplice ed è seguito da molti sistemi, in particolare Bitcoin; l’Ethereum originale basato sulla proof of work, così come Algorand. L’idea è semplice: se un’entità comanda x% di risorse, allora il sistema cercherà di fornire x% delle ricompense - almeno in attesa. Questo potrebbe sembrare giusto, fino a quando non si osservano i gravi svantaggi che ne derivano.

In primo luogo, si consideri che qualcuno ha x% di risorse e che x% delle ricompense attese siano al di sotto del loro costo individuale per operare come nodo. Allora, o non si impegnano (abbassando il tasso di impegno del sistema), o, più probabilmente, cercano attivamente altri per combinare le risorse e creare un nodo. Anche se ci sono due detentori di risorse con x% di risorse ciascuno e un costo individuale c valido quando operano come nodi separati, se la caveranno meglio combinando le risorse in un unico nodo di 2x% di risorse, perché il costo risultante sarà tipicamente inferiore a 2c. Questo può portare ad una forte tendenza alla centralizzazione, e portare ad un’elevata leva, poiché il pool combinato di risorse sarà (tipicamente) gestito da un’unica entità.

In pratica, è improbabile che emerga un singolo nodo dittatoriale. Ciò è dovuto a varie ragioni, come l’attrito nel coordinamento tra le parti, il timore del potenziale calo del tasso di cambio del token sottostante del sistema se la tendenza alla centralizzazione diventa evidente, così come l’uso occasionale di protocolli complessi per gestire congiuntamente i pool. Anche così, è chiaro che le ricompense lineari unimodali possono danneggiare la decentralizzazione.

Non c’è bisogno di andare molto più lontano di guardare a Bitcoin e alla sua attuale, abbastanza centralizzata, linea di mining pool. Vale la pena di notare che se lo stake (piuttosto che la potenza di hashing) viene usata come risorsa, la pressione di centralizzazione sarà minore - dato che la spesa per far funzionare un nodo è minore. Ma gli stessi problemi si applicano in linea di principio.

Un ulteriore svantaggio dell’impostazione di cui sopra è che il conseguente raggruppamento di risorse “fuori catena” che si verifica sarà completamente opaco dal punto di vista del ledger, e quindi più difficile per la comunità da monitorare e a cui reagire. In sintesi, l’approccio lineare unimodale ha il vantaggio di essere semplice, ma è precario, sia in termini di aumento dell’impegno sia per mantenere bassa la leva finanziaria.

2. Unimodale lineare quantizzato

Questo approccio è lo stesso dell’approccio delle ricompense lineari, ma quantifica la risorsa sottostante. Vale a dire, se le vostre risorse sono al di sotto di una certa soglia, potreste non essere completamente in grado di partecipare; potete partecipare solo a quantita’ fisse. In particolare, questo approccio viene adottato in ETH2.0, dove 32 Ether dovrebbero essere promessi in pegno per acquisire un’identità di validatore. Dovrebbe essere chiaro che questo approccio quantizzato condivide gli stessi problemi con l’approccio lineare unimodale in termini di partecipazione e di leva finanziaria. Nonostante ciò, è stato considerato per due motivi principali. In primo luogo, l’uso dell’approccio quantizzato consente di adattare gli elementi tradizionali di progettazione del protocollo in stile BFT (ad esempio, che richiedono identità di conteggio) in un contesto di consenso basato sulle risorse. Il sistema risultante è meno elegante del vero consenso basato sulle risorse, ma ciò è inevitabile, poiché i protocolli tradizionali di tipo BFT non funzionano molto bene quando sono coinvolti più di qualche centinaio di nodi. La seconda ragione, specifica dell’impostazione di proof-of-stake, è il tentativo di imporre sanzioni ai partecipanti come mezzo per garantire il rispetto del protocollo. L’imposizione di garanzie collaterali quantizzate rende le sanzioni per le infrazioni al protocollo più sostanziali e dolorose.

Multimodale

Passiamo poi agli schemi multimodali. Questa ampia categoria comprende Cosmos, Tezos, Polkadot & EOS. Comprende anche Cardano. In uno schema multimodale, un detentore di risorse può assumere ruoli diversi nel protocollo; essere un nodo pienamente attivo nel protocollo di consenso è solo una delle opzioni. Il vantaggio di uno schema multimodale è che offrendo molteplici modi di impegnarsi (con tassi di rendimento corrispondentemente diversi) all’interno del protocollo stesso, è in grado di accogliere un impegno più elevato, così come di limitare il pooling di risorse fuori dalla catena. Ad esempio, se le potenziali ricompense ricevute da un individuo quando si impegna con tutte le sue risorse sono inferiori al costo operativo di gestione di un nodo, può comunque scegliere di impegnarsi con una modalità diversa nel protocollo. In questo modo, la tendenza a combinare le risorse fuori dalla catena è attenuata e il sistema - se progettato correttamente - può tradurre questo maggiore impegno in una maggiore resilienza.

Distingueremo una serie di diversi schemi multimodali.

Bimodale rappresentativo senza controllo della leva. L’approccio rappresentativo si ispira alla democrazia rappresentativa: il sistema è gestito da una serie di operatori eletti. L’approccio è bimodale in quanto permette ai partiti di (1) pubblicizzarsi come operatori nel ledger e/o (2) “votare” per gli operatori con le loro risorse. L’insieme degli operatori rappresentativi ha una dimensione fissa e viene aggiornato a rotazione, tipicamente con termini fissi, utilizzando una funzione di elezione che seleziona i rappresentanti in base ai voti ricevuti. I premi sono distribuiti in modo uniforme tra i rappresentanti, eventualmente tenendo conto dei dati di performance e adeguandosi di conseguenza. Consentire il flusso dei premi agli elettori che utilizzano un contratto intelligente può incentivare un maggiore impegno nel voto, poiché i detentori di risorse vengono pagati per votare per i buoni rappresentanti (si noti che questo non è necessariamente seguito da tutti gli schemi di questa categoria). Lo svantaggio di questo approccio è la mancanza di controllo della leva finanziaria, al di là, forse, dell’esistenza di un limite superiore molto ampio, il che suggerisce che il sistema può finire con un insieme di operatori con una leva finanziaria molto elevata. Questo è l’approccio ampiamente seguito da Cosmos, EOS e Polkadot.

Un approccio diverso all’approccio rappresentativo è l’approccio delegatorio. In generale, questo approccio è più vicino alla democrazia diretta in quanto permette ai detentori di risorse di impegnarsi direttamente con il protocollo con le risorse di cui dispongono. Tuttavia, essi sono liberi di delegare le loro risorse anche ad altri, come nella democrazia liquida (o delegata) (da cui deriva il termine delegativo). Questo si traduce in una configurazione di operatore selezionato dalla comunità che non ha un numero predeterminato di rappresentanti. Come nell’approccio rappresentativo, il coinvolgimento degli utenti è bimodale. I detentori di risorse possono pubblicizzarsi come operatori e/o delegare le loro risorse agli operatori esistenti. I premi forniti sono proporzionali alla quantità di risorse delegate e i delegati possono essere pagati tramite un contratto intelligente a catena, magari a varie tariffe diverse. All’interno dell’approccio delegato distingueremo ulteriormente due sottocategorie.

Bimodale delegato con ricompense massime basate su pegno. Ciò che caratterizza questo particolare approccio delegato è che le ricompense del pool di risorse hanno un vincolo che è determinato dall’importo dell’impegno che il suo operatore si impegna a versare nel pool. In questo modo, la leva totale di un operatore può essere controllata e fissata ad una costante. Sfortunatamente, questa caratteristica di controllo della leva ha l’effetto collaterale negativo di imporre implicitamente lo stesso vincolo a tutti, piccoli e grandi detentori di risorse. Così, da un lato, in una popolazione di piccoli detentori di risorse, l’impegno sarà limitato dalla piccola promessa che gli operatori sono in grado di fare. Dall’altro lato, alcuni grandi detentori di risorse possono finire per influenzare il protocollo di consenso in modo molto significativo, forse anche oltre la sua soglia di sicurezza vincolata. In termini di controllo della leva, dovrebbe essere chiaro che una taglia non va bene per tutti! Dai sistemi esistenti, questo è l’approccio che è (in sostanza) seguito da Tezos.

Vale la pena di notare che tutti gli approcci specifici che abbiamo visto finora presentano dei lati negativi, sia in termini di massimizzazione dell’impegno, che di controllo della leva finanziaria o di entrambi. Con questo in mente, entriamo ora nella nostra sistematizzazione, l’approccio del sistema di ripartizione dei premi che stiamo usando in Cardano.

Bimodale delegato con premi limitati e pegno incentivante. In questo sistema di delega (introdotto nel nostro schema di ripartizione dei premi), le ricompense che vengono fornite a ciascun pool seguono una funzione analoga a quella della dimensione del pool. La funzione è inizialmente monotonicamente crescente e poi diventa costante ad un certo livello “cap” che è un parametro di sistema configurabile ( in Cardano è determinato dal parametro k). Questo limite limita gli incentivi alla crescita dei singoli pool di risorse. Allo stesso tempo, l’impegno di risorse in un pool viene incentivato con maggiori ricompense ai pool che impegnano più ada come pegno. Di conseguenza, l’abbassamento del proprio leverage diventa incentivante: i pool di risorse hanno dimensioni limitate e gli operatori sono incentivati a impegnare tutte le risorse che possono permettersi nel minor numero possibile di pool. In particolare, i detentori di risorse balene sono incentivati a mantenere basso il loro leverage. Il vantaggio di questo approccio è che l’impegno elevato è rafforzato, mentre l’effetto leva è mantenuto sotto controllo incentivando la comunità a (i) impegnare il più possibile, (ii) utilizzare tutte le risorse non impegnate rimanenti come parte di un meccanismo di filtraggio basato sul crowdsourced. Ciò traduce lo stake in gioco in potere di voto e supporta esattamente quegli operatori che contribuiscono materialmente al raggiungimento degli obiettivi del sistema.

La sistematizzazione di cui sopra mette in prospettiva le scelte che abbiamo fatto nella progettazione dello schema di ripartizione dei premi utilizzato in Cardano rispetto ad altri sistemi. In sintesi, ciò che il sistema di ricompensa Cardano raggiunge è quello di promuovere materialmente con incentivi e votazioni basate sullo stake della comunità il miglior risultato possibile: bassa leva e alto impegno. E questo risultato viene raggiunto, pur consentendo un grado molto elevato di eterogeneità in termini di comportamento di input da parte degli stakeholder.

Come ultimo punto, è importante sottolineare che, sebbene siano stati fatti notevoli progressi dall’introduzione della blockchain Bitcoin, la ricerca sulla condivisione dei premi per i progetti di collaborazione è ancora un settore estremamente attivo e in crescita. Il nostro team valuta continuamente i vari aspetti degli schemi di reward sharing ed esplora attivamente l’intero spazio di progettazione con un approccio first-principle. In questo modo, possiamo garantire che i progressi della ricerca siano ampiamente diffusi a beneficio dell’intera comunità.

Sono grato a Christian Badertscher, Sandro Coretti-Drayton, Matthias Fitzi e Peter Gaži, per il loro aiuto nella revisione di altri sistemi e per la loro collocazione nella sistematizzazione di questo articolo.