LearnToEarn

Ich habe darüber nachgedacht, wie viel von dem Risiko eines Lending-Protokolls tatsächlich auf ein paar Zahlen zurückzuführen ist.

Mit @TermMax wären MLTV und LLTV die ersten Kennzahlen, die ich mir ansehen würde.

MLTV bestimmt, wie viel man zunächst leihen kann, während LLTV der Bereich ist, in dem Liquidationen tatsächlich beginnen können. Diese Lücke ist wichtig, weil sie einer Position etwas Spielraum gibt, bevor es kritisch wird.

Aber das Risiko endet nicht bei LTV.

TermMax nutzt außerdem feste Laufzeiten, teilweise Liquidationen, eine Liquidationsstrafe von 10 %, Kapazitätsgrenzen für Vaults, Whitelists für Märkte, Kuratoren und Timelocks.

Was ich jedoch spannender finde, ist der Fallback für die physische Lieferung. Wenn eine Position nicht vollständig liquidiert werden kann, erhalten Kreditgeber möglicherweise einen anteiligen (pro-rata) Anteil am Sicherheitenbestand selbst. Das verringert die Wahrscheinlichkeit, am Ende einfach mit nichts dazustehen, aber es bedeutet auch, dass Kreditgeber unter Umständen ein Asset übernehmen, das sie eigentlich gar nicht halten wollen.

Also gibt es eine klare Abwägung.

Aggressivere Parameter können die Kapitaleffizienz verbessern, aber sie lassen auch weniger Raum für uneinbringliche Forderungen. Konservativere Einstellungen schützen Kreditgeber besser, können jedoch Auslastung und Wachstum reduzieren.

Diese Balance ist wahrscheinlich der Ort, an dem das eigentliche Risikomanagement passiert.

Ich bin weiterhin gespannt, wie sich diese Parameter entwickeln, während die @TermMax -Märkte reifer werden.

DYOR. Keine Finanzberatung.#termmax @TermMax

Ich bin letzte Nacht die Dusk-Dokumentation noch einmal durchgegangen, insbesondere die Abschnitte zum DS-Algorithmus und dazu, wie Provisioner für den Konsens ausgewählt werden.

Ich habe damit begonnen, die Regeln zur Eignung der Einsätze (Stake) abzubilden. Der Einsatz eines Provisioners S gilt nur dann als geeignet, wenn der Betrag mindestens dem Minimum entspricht (festgelegt auf 1000 DUSK) und sein Alter/seine Länge zwischen 0 und M liegt. Der DS-Prozess ordnet anschließend alle geeigneten Einsätze nach einem Score, der die Größe des Einsatzes mit einer deterministischen Funktion aus dem Hash des vorherigen Blocks und dem öffentlichen Schlüssel des Provisioners mischt. Der Provisioner mit der höchsten Punktzahl ist derjenige, der den nächsten Block vorschlagen kann.

Beim Weiterlesen wurde der Ablauf klarer: Der ausgewählte Provisioner sendet einen Kandidatenblock, ein Komitee aus weiteren Provisionern führt eine Validierung durch, und wenn eine einfache Mehrheit (½ + 1) der ValidBk-Nachrichten erscheint, wird der Block zur Ratifizierung weitergeleitet. Die Ratifizierung selbst benötigt einen stärkeren Schwellenwert ⅔ + 1, bevor der Block als final gilt und die neue Menge an Provisionern festgeschrieben wird. Bestätigungs- (Attestation-) und Abstimmungskomitees werden auf die gleiche deterministische Weise gebildet, nur mit unterschiedlichen Seeds.

Was für mich noch nicht vollständig geklärt ist, ist, wie empfindlich die gesamte Kette auf den exakten Wert von M und auf das 1000-DUSK-Minimum reagiert. Wenn sich diese Parameter ändern, ändert sich dann die effektive Dezentralisierung des Provisioner-Sets in einer Weise, die von außen schwer zu erkennen ist? Und sobald ein Block attestiert wurde: Wie viel praktischer Handlungsspielraum besteht, wenn eine spätere Prüfung zeigt, dass die DS-Rangfolge ausgenutzt (gegamet) wurde?

Mich interessiert, wie andere, die in die gleichen Seiten eingedrungen sind, die Sicherheitsreserven rund um diese Mehrheits-Schwellenwerte lesen.
#dusk $DUSK @Dusk

Ich habe darüber nachgedacht, wie viel von dem Risiko eines Lending-Protokolls tatsächlich auf ein paar Zahlen zurückzuführen ist.

Mit @TermMax wären MLTV und LLTV die ersten Kennzahlen, die ich mir ansehen würde.

MLTV bestimmt, wie viel man zunächst leihen kann, während LLTV der Bereich ist, in dem Liquidationen tatsächlich beginnen können. Diese Lücke ist wichtig, weil sie einer Position etwas Spielraum gibt, bevor es kritisch wird.

Aber das Risiko endet nicht bei LTV.

TermMax nutzt außerdem feste Laufzeiten, teilweise Liquidationen, eine Liquidationsstrafe von 10 %, Kapazitätsgrenzen für Vaults, Whitelists für Märkte, Kuratoren und Timelocks.

Was ich jedoch spannender finde, ist der Fallback für die physische Lieferung. Wenn eine Position nicht vollständig liquidiert werden kann, erhalten Kreditgeber möglicherweise einen anteiligen (pro-rata) Anteil am Sicherheitenbestand selbst. Das verringert die Wahrscheinlichkeit, am Ende einfach mit nichts dazustehen, aber es bedeutet auch, dass Kreditgeber unter Umständen ein Asset übernehmen, das sie eigentlich gar nicht halten wollen.

Also gibt es eine klare Abwägung.

Aggressivere Parameter können die Kapitaleffizienz verbessern, aber sie lassen auch weniger Raum für uneinbringliche Forderungen. Konservativere Einstellungen schützen Kreditgeber besser, können jedoch Auslastung und Wachstum reduzieren.

Diese Balance ist wahrscheinlich der Ort, an dem das eigentliche Risikomanagement passiert.

Ich bin weiterhin gespannt, wie sich diese Parameter entwickeln, während die @TermMax -Märkte reifer werden.

DYOR. Keine Finanzberatung.#termmax @TermMax

Ich bin letzte Nacht noch einmal durch das Dusk-Whitepaper gegangen, insbesondere die Abschnitte zu Anreizen, Transaktionen und Moonlight, und ich fand das Design differenzierter, als ich es zuerst erwartet hatte.

Auf der Konsensseite werden 64 Ausschussguthaben verwendet, wobei die Abstimmungsgewalt nach Guthaben gewichtet ist. Für Valid ist ein Quorum von 2/3 erforderlich, während Invalid, NoCandidate oder NoQuorum mit 1/2 + 1 durchkommen können. Auch die Rolling-Finality hat meine Aufmerksamkeit geweckt: Wenn ein Block zwei vorherige nicht attestierte Iterationen hat, benötigt er 2×2 = 4 aufeinanderfolgende attestierte oder bestätigte Blöcke, um als bestätigt zu gelten.

Das Anreizmodell ist ebenfalls interessant. Blockbelohnungen werden aufgeteilt: 80% an den Generator, 10% an das Abstimmungskomitee und 10% an Dusk. Die 80% des Generators selbst beinhalten einen festen Anteil von 70% plus eine variable 10%, die an die enthaltenen Votes gekoppelt ist. Ich kann nachvollziehen, warum das existiert: Anderenfalls könnten Generatoren mit höheren Iterationen von früheren Iterationen profitieren, die fehlschlagen.

Bei den Transaktionen ist Moonlight zustands-/konto-basiert und transparent – mit öffentlichen Salden und einem Nonce zur Replay-Schutz. Phoenix geht den UTXO-Weg und nutzt ZK-Proofs sowie Nullifier für die Privatsphäre.

Was ich jedoch weiterhin frage, ist, ob die 80/10/10-Struktur ausreichend Anreiz für breite Beteiligung schafft und wie sich die Dezentralisierung verhält, wenn Stake-Konzentration die Ausschussguthaben bestimmt.

Wie sieht die Community diese Zielkonflikte?


#dusk $DUSK @Dusk

Ich bin letzte Nacht noch einmal durch das Dusk-Whitepaper gegangen, insbesondere die Abschnitte zu Anreizen, Transaktionen und Moonlight, und ich fand das Design differenzierter, als ich es zuerst erwartet hatte.

Auf der Konsensseite werden 64 Ausschussguthaben verwendet, wobei die Abstimmungsgewalt nach Guthaben gewichtet ist. Für Valid ist ein Quorum von 2/3 erforderlich, während Invalid, NoCandidate oder NoQuorum mit 1/2 + 1 durchkommen können. Auch die Rolling-Finality hat meine Aufmerksamkeit geweckt: Wenn ein Block zwei vorherige nicht attestierte Iterationen hat, benötigt er 2×2 = 4 aufeinanderfolgende attestierte oder bestätigte Blöcke, um als bestätigt zu gelten.

Das Anreizmodell ist ebenfalls interessant. Blockbelohnungen werden aufgeteilt: 80% an den Generator, 10% an das Abstimmungskomitee und 10% an Dusk. Die 80% des Generators selbst beinhalten einen festen Anteil von 70% plus eine variable 10%, die an die enthaltenen Votes gekoppelt ist. Ich kann nachvollziehen, warum das existiert: Anderenfalls könnten Generatoren mit höheren Iterationen von früheren Iterationen profitieren, die fehlschlagen.

Bei den Transaktionen ist Moonlight zustands-/konto-basiert und transparent – mit öffentlichen Salden und einem Nonce zur Replay-Schutz. Phoenix geht den UTXO-Weg und nutzt ZK-Proofs sowie Nullifier für die Privatsphäre.

Was ich jedoch weiterhin frage, ist, ob die 80/10/10-Struktur ausreichend Anreiz für breite Beteiligung schafft und wie sich die Dezentralisierung verhält, wenn Stake-Konzentration die Ausschussguthaben bestimmt.

Wie sieht die Community diese Zielkonflikte?


#dusk $DUSK @Dusk

Ich bin letzte Nacht noch einmal durch das Dusk-Whitepaper gegangen, insbesondere die Abschnitte zu Anreizen, Transaktionen und Moonlight, und ich fand das Design differenzierter, als ich es zuerst erwartet hatte.

Auf der Konsensseite werden 64 Ausschussguthaben verwendet, wobei die Abstimmungsgewalt nach Guthaben gewichtet ist. Für Valid ist ein Quorum von 2/3 erforderlich, während Invalid, NoCandidate oder NoQuorum mit 1/2 + 1 durchkommen können. Auch die Rolling-Finality hat meine Aufmerksamkeit geweckt: Wenn ein Block zwei vorherige nicht attestierte Iterationen hat, benötigt er 2×2 = 4 aufeinanderfolgende attestierte oder bestätigte Blöcke, um als bestätigt zu gelten.

Das Anreizmodell ist ebenfalls interessant. Blockbelohnungen werden aufgeteilt: 80% an den Generator, 10% an das Abstimmungskomitee und 10% an Dusk. Die 80% des Generators selbst beinhalten einen festen Anteil von 70% plus eine variable 10%, die an die enthaltenen Votes gekoppelt ist. Ich kann nachvollziehen, warum das existiert: Anderenfalls könnten Generatoren mit höheren Iterationen von früheren Iterationen profitieren, die fehlschlagen.

Bei den Transaktionen ist Moonlight zustands-/konto-basiert und transparent – mit öffentlichen Salden und einem Nonce zur Replay-Schutz. Phoenix geht den UTXO-Weg und nutzt ZK-Proofs sowie Nullifier für die Privatsphäre.

Was ich jedoch weiterhin frage, ist, ob die 80/10/10-Struktur ausreichend Anreiz für breite Beteiligung schafft und wie sich die Dezentralisierung verhält, wenn Stake-Konzentration die Ausschussguthaben bestimmt.

Wie sieht die Community diese Zielkonflikte?


#dusk $DUSK @Dusk

Ich bin letzte Nacht noch einmal durch das Dusk-Whitepaper gegangen, insbesondere die Abschnitte zu Anreizen, Transaktionen und Moonlight, und ich fand das Design differenzierter, als ich es zuerst erwartet hatte.

Auf der Konsensseite werden 64 Ausschussguthaben verwendet, wobei die Abstimmungsgewalt nach Guthaben gewichtet ist. Für Valid ist ein Quorum von 2/3 erforderlich, während Invalid, NoCandidate oder NoQuorum mit 1/2 + 1 durchkommen können. Auch die Rolling-Finality hat meine Aufmerksamkeit geweckt: Wenn ein Block zwei vorherige nicht attestierte Iterationen hat, benötigt er 2×2 = 4 aufeinanderfolgende attestierte oder bestätigte Blöcke, um als bestätigt zu gelten.

Das Anreizmodell ist ebenfalls interessant. Blockbelohnungen werden aufgeteilt: 80% an den Generator, 10% an das Abstimmungskomitee und 10% an Dusk. Die 80% des Generators selbst beinhalten einen festen Anteil von 70% plus eine variable 10%, die an die enthaltenen Votes gekoppelt ist. Ich kann nachvollziehen, warum das existiert: Anderenfalls könnten Generatoren mit höheren Iterationen von früheren Iterationen profitieren, die fehlschlagen.

Bei den Transaktionen ist Moonlight zustands-/konto-basiert und transparent – mit öffentlichen Salden und einem Nonce zur Replay-Schutz. Phoenix geht den UTXO-Weg und nutzt ZK-Proofs sowie Nullifier für die Privatsphäre.

Was ich jedoch weiterhin frage, ist, ob die 80/10/10-Struktur ausreichend Anreiz für breite Beteiligung schafft und wie sich die Dezentralisierung verhält, wenn Stake-Konzentration die Ausschussguthaben bestimmt.

Wie sieht die Community diese Zielkonflikte?


#dusk $DUSK @Dusk

Ich bin letzte Nacht noch einmal durch das Dusk-Whitepaper gegangen, insbesondere die Abschnitte zu Anreizen, Transaktionen und Moonlight, und ich fand das Design differenzierter, als ich es zuerst erwartet hatte.

Auf der Konsensseite werden 64 Ausschussguthaben verwendet, wobei die Abstimmungsgewalt nach Guthaben gewichtet ist. Für Valid ist ein Quorum von 2/3 erforderlich, während Invalid, NoCandidate oder NoQuorum mit 1/2 + 1 durchkommen können. Auch die Rolling-Finality hat meine Aufmerksamkeit geweckt: Wenn ein Block zwei vorherige nicht attestierte Iterationen hat, benötigt er 2×2 = 4 aufeinanderfolgende attestierte oder bestätigte Blöcke, um als bestätigt zu gelten.

Das Anreizmodell ist ebenfalls interessant. Blockbelohnungen werden aufgeteilt: 80% an den Generator, 10% an das Abstimmungskomitee und 10% an Dusk. Die 80% des Generators selbst beinhalten einen festen Anteil von 70% plus eine variable 10%, die an die enthaltenen Votes gekoppelt ist. Ich kann nachvollziehen, warum das existiert: Anderenfalls könnten Generatoren mit höheren Iterationen von früheren Iterationen profitieren, die fehlschlagen.

Bei den Transaktionen ist Moonlight zustands-/konto-basiert und transparent – mit öffentlichen Salden und einem Nonce zur Replay-Schutz. Phoenix geht den UTXO-Weg und nutzt ZK-Proofs sowie Nullifier für die Privatsphäre.

Was ich jedoch weiterhin frage, ist, ob die 80/10/10-Struktur ausreichend Anreiz für breite Beteiligung schafft und wie sich die Dezentralisierung verhält, wenn Stake-Konzentration die Ausschussguthaben bestimmt.

Wie sieht die Community diese Zielkonflikte?


#dusk $DUSK @Dusk

Ich bin letzte Nacht noch einmal durch die TermMax-Pre-Mine-Dokumentation gegangen und habe versucht, genau zuzuordnen, wie die TMX-Zuteilung funktionieren soll, sobald das Mainnet live ist.

Die Kernidee wirkt auf den ersten Blick recht unkompliziert: 1 Milliarde TMX als gesamte Umlaufmenge, wobei ein Teil für monatliche Kampagnen reserviert wird, die am ersten Tag des Mainnets starten. Anspruchsberechtigte Teilnehmer fallen in zwei Gruppen: ... Personen, die PT-Tokens mit festem Zinssatz halten (gekauft auf der Lending-Seite oder über Vault-Einzahlungen) und Order Maker, die Liquidität über Range- oder benutzerdefinierte Limit-Orders bereitstellen. Die Belohnungen werden kontinuierlich während jedes Kampagnenfensters angesammelt und bleiben bis zum TGE nicht übertragbar, wenn sie 1:1 umgewandelt werden.

Was ich immer wieder im Kreis gelesen habe, ist die Sprache zur APY-Berechnung. Dort wird eine tägliche Volumenvorgabe von 50 Millionen US-Dollar und ein TVL-Wert genannt, und anschließend werden TMX basierend auf Einzahlungen des Vortages verteilt. Ich bin mir immer noch nicht klar, ob diese Volumenannahme ein harter Parameter ist, der fest in den Smart Contracts einprogrammiert ist, oder ob es sich nur um ein anschauliches Beispiel handelt. Wenn das tatsächliche gematchte Volumen deutlich niedriger oder höher ausfällt: Skaliert sich dann der effektive Satz linear, oder gibt es eine Ober- oder Untergrenze, die hier nicht ausdrücklich genannt wird?

Auf der Governance-Seite hat mich der Hinweis, dass die Punkte (Kudos) aus dem früheren Term-Structure-Protokoll „zurzeit noch unter Diskussion stehen“ für eine Umwandlung in TermMax-Belohnungen, eher mit mehr Fragen als Antworten zurückgelassen. Wer entscheidet das Umwandlungsverhältnis, und erfolgt diese Entscheidung on-chain oder off-chain? Der Disclaimer behält sich außerdem das Recht vor, die Pre-Mine-Zeitachse anzupassen, falls es dem Plattformnutzen dient. Diese Flexibilität ist zwar praktisch, wirft aber den üblichen Dezentralisierungs-Trade-off auf: Wie viel Kontrolle bleibt nach dem TGE noch beim Team im Vergleich zu Token-Inhabern?

Mich interessiert, wie andere die Berechtigung und die Claim-Mechanik lesen. Schafft das aktuelle Design irgendwelche offensichtlichen Konzentrationsrisiken für frühe Order Maker im Vergleich zu passiven PT-Haltern?

#termmax @TermMax

Ich bin letzte Nacht noch einmal durch das Dusk-Whitepaper gegangen, insbesondere die Abschnitte zu Anreizen, Transaktionen und Moonlight, und ich fand das Design differenzierter, als ich es zuerst erwartet hatte.

Auf der Konsensseite werden 64 Ausschussguthaben verwendet, wobei die Abstimmungsgewalt nach Guthaben gewichtet ist. Für Valid ist ein Quorum von 2/3 erforderlich, während Invalid, NoCandidate oder NoQuorum mit 1/2 + 1 durchkommen können. Auch die Rolling-Finality hat meine Aufmerksamkeit geweckt: Wenn ein Block zwei vorherige nicht attestierte Iterationen hat, benötigt er 2×2 = 4 aufeinanderfolgende attestierte oder bestätigte Blöcke, um als bestätigt zu gelten.

Das Anreizmodell ist ebenfalls interessant. Blockbelohnungen werden aufgeteilt: 80% an den Generator, 10% an das Abstimmungskomitee und 10% an Dusk. Die 80% des Generators selbst beinhalten einen festen Anteil von 70% plus eine variable 10%, die an die enthaltenen Votes gekoppelt ist. Ich kann nachvollziehen, warum das existiert: Anderenfalls könnten Generatoren mit höheren Iterationen von früheren Iterationen profitieren, die fehlschlagen.

Bei den Transaktionen ist Moonlight zustands-/konto-basiert und transparent – mit öffentlichen Salden und einem Nonce zur Replay-Schutz. Phoenix geht den UTXO-Weg und nutzt ZK-Proofs sowie Nullifier für die Privatsphäre.

Was ich jedoch weiterhin frage, ist, ob die 80/10/10-Struktur ausreichend Anreiz für breite Beteiligung schafft und wie sich die Dezentralisierung verhält, wenn Stake-Konzentration die Ausschussguthaben bestimmt.

Wie sieht die Community diese Zielkonflikte?


#dusk $DUSK @Dusk

Ich bin letzte Nacht noch einmal durch die Dämmerungsdokumentation gegangen und kam mit mehr Interesse an den Designfragen als an technischen Behauptungen heraus.

Das Erste, was klickte, war die Aufteilung zwischen Moonlight und Phoenix. Moonlight ist kontobasiert mit öffentlichem Schlüssel, Nonce und Kontostand, während Phoenix UTXOs als „Notizen“ innerhalb eines Merkle-Baums verwendet. Zu den Feldern von Moonlight-Transaktionen gehören from, to, value, nonce, deposit, data, gas_limit, gas_price und signature; das maximale Gas wird als gas_limit × gas_price berechnet.

Bei Phoenix wird es spannend. Es verwendet die Jubjub-Kurve mit öffentlichen Schlüsseln (A,B), geheimen Schlüsseln (a,b) und einem View-Key (a,B). Die Notizstruktur umfasst type, com, enc, npk, R und encsender. Der Einmal-Notizschlüssel wird abgeleitet als npk = H(rA)G + B, während der Ausgabeschlüssel (spending key) nsk = H(aR) + b.

Ich versuche immer noch zu verstehen, wo genau die Vertrauensgrenze bei der Erzeugung von ZK-Beweisen und beim delegierten Scanning verläuft. Die Dokumentation sagt, dass Dritte Beweise generieren oder mit View Keys scannen können, ohne Ausgabebefugnisse zu erhalten, aber wo liegen die Fehlerpunkte?

Und wie verhält es sich bei adversarialen Netzwerkbedingungen – mit Nullifiern, aktuellen Merkle-Wurzeln und Gas, das innerhalb des Beweises gehandhabt wird? Welche Teile sind dezentralisiert, und welche Annahmen sollten Nutzer kritisch prüfen?

#dusk $DUSK @Dusk

Ich bin letzte Nacht noch einmal durch die Dämmerungsdokumentation gegangen und kam mit mehr Interesse an den Designfragen als an technischen Behauptungen heraus.

Das Erste, was klickte, war die Aufteilung zwischen Moonlight und Phoenix. Moonlight ist kontobasiert mit öffentlichem Schlüssel, Nonce und Kontostand, während Phoenix UTXOs als „Notizen“ innerhalb eines Merkle-Baums verwendet. Zu den Feldern von Moonlight-Transaktionen gehören from, to, value, nonce, deposit, data, gas_limit, gas_price und signature; das maximale Gas wird als gas_limit × gas_price berechnet.

Bei Phoenix wird es spannend. Es verwendet die Jubjub-Kurve mit öffentlichen Schlüsseln (A,B), geheimen Schlüsseln (a,b) und einem View-Key (a,B). Die Notizstruktur umfasst type, com, enc, npk, R und encsender. Der Einmal-Notizschlüssel wird abgeleitet als npk = H(rA)G + B, während der Ausgabeschlüssel (spending key) nsk = H(aR) + b.

Ich versuche immer noch zu verstehen, wo genau die Vertrauensgrenze bei der Erzeugung von ZK-Beweisen und beim delegierten Scanning verläuft. Die Dokumentation sagt, dass Dritte Beweise generieren oder mit View Keys scannen können, ohne Ausgabebefugnisse zu erhalten, aber wo liegen die Fehlerpunkte?

Und wie verhält es sich bei adversarialen Netzwerkbedingungen – mit Nullifiern, aktuellen Merkle-Wurzeln und Gas, das innerhalb des Beweises gehandhabt wird? Welche Teile sind dezentralisiert, und welche Annahmen sollten Nutzer kritisch prüfen?

#dusk $DUSK @Dusk

Ich bin letzte Nacht noch einmal durch die Dämmerungsdokumentation gegangen und kam mit mehr Interesse an den Designfragen als an technischen Behauptungen heraus.

Das Erste, was klickte, war die Aufteilung zwischen Moonlight und Phoenix. Moonlight ist kontobasiert mit öffentlichem Schlüssel, Nonce und Kontostand, während Phoenix UTXOs als „Notizen“ innerhalb eines Merkle-Baums verwendet. Zu den Feldern von Moonlight-Transaktionen gehören from, to, value, nonce, deposit, data, gas_limit, gas_price und signature; das maximale Gas wird als gas_limit × gas_price berechnet.

Bei Phoenix wird es spannend. Es verwendet die Jubjub-Kurve mit öffentlichen Schlüsseln (A,B), geheimen Schlüsseln (a,b) und einem View-Key (a,B). Die Notizstruktur umfasst type, com, enc, npk, R und encsender. Der Einmal-Notizschlüssel wird abgeleitet als npk = H(rA)G + B, während der Ausgabeschlüssel (spending key) nsk = H(aR) + b.

Ich versuche immer noch zu verstehen, wo genau die Vertrauensgrenze bei der Erzeugung von ZK-Beweisen und beim delegierten Scanning verläuft. Die Dokumentation sagt, dass Dritte Beweise generieren oder mit View Keys scannen können, ohne Ausgabebefugnisse zu erhalten, aber wo liegen die Fehlerpunkte?

Und wie verhält es sich bei adversarialen Netzwerkbedingungen – mit Nullifiern, aktuellen Merkle-Wurzeln und Gas, das innerhalb des Beweises gehandhabt wird? Welche Teile sind dezentralisiert, und welche Annahmen sollten Nutzer kritisch prüfen?

#dusk $DUSK @Dusk

Ich bin letzte Nacht noch einmal durch die Dämmerungsdokumentation gegangen und kam mit mehr Interesse an den Designfragen als an technischen Behauptungen heraus.

Das Erste, was klickte, war die Aufteilung zwischen Moonlight und Phoenix. Moonlight ist kontobasiert mit öffentlichem Schlüssel, Nonce und Kontostand, während Phoenix UTXOs als „Notizen“ innerhalb eines Merkle-Baums verwendet. Zu den Feldern von Moonlight-Transaktionen gehören from, to, value, nonce, deposit, data, gas_limit, gas_price und signature; das maximale Gas wird als gas_limit × gas_price berechnet.

Bei Phoenix wird es spannend. Es verwendet die Jubjub-Kurve mit öffentlichen Schlüsseln (A,B), geheimen Schlüsseln (a,b) und einem View-Key (a,B). Die Notizstruktur umfasst type, com, enc, npk, R und encsender. Der Einmal-Notizschlüssel wird abgeleitet als npk = H(rA)G + B, während der Ausgabeschlüssel (spending key) nsk = H(aR) + b.

Ich versuche immer noch zu verstehen, wo genau die Vertrauensgrenze bei der Erzeugung von ZK-Beweisen und beim delegierten Scanning verläuft. Die Dokumentation sagt, dass Dritte Beweise generieren oder mit View Keys scannen können, ohne Ausgabebefugnisse zu erhalten, aber wo liegen die Fehlerpunkte?

Und wie verhält es sich bei adversarialen Netzwerkbedingungen – mit Nullifiern, aktuellen Merkle-Wurzeln und Gas, das innerhalb des Beweises gehandhabt wird? Welche Teile sind dezentralisiert, und welche Annahmen sollten Nutzer kritisch prüfen?

#dusk $DUSK @Dusk

Ich bin letzte Nacht noch einmal durch die Dämmerungsdokumentation gegangen und kam mit mehr Interesse an den Designfragen als an technischen Behauptungen heraus.

Das Erste, was klickte, war die Aufteilung zwischen Moonlight und Phoenix. Moonlight ist kontobasiert mit öffentlichem Schlüssel, Nonce und Kontostand, während Phoenix UTXOs als „Notizen“ innerhalb eines Merkle-Baums verwendet. Zu den Feldern von Moonlight-Transaktionen gehören from, to, value, nonce, deposit, data, gas_limit, gas_price und signature; das maximale Gas wird als gas_limit × gas_price berechnet.

Bei Phoenix wird es spannend. Es verwendet die Jubjub-Kurve mit öffentlichen Schlüsseln (A,B), geheimen Schlüsseln (a,b) und einem View-Key (a,B). Die Notizstruktur umfasst type, com, enc, npk, R und encsender. Der Einmal-Notizschlüssel wird abgeleitet als npk = H(rA)G + B, während der Ausgabeschlüssel (spending key) nsk = H(aR) + b.

Ich versuche immer noch zu verstehen, wo genau die Vertrauensgrenze bei der Erzeugung von ZK-Beweisen und beim delegierten Scanning verläuft. Die Dokumentation sagt, dass Dritte Beweise generieren oder mit View Keys scannen können, ohne Ausgabebefugnisse zu erhalten, aber wo liegen die Fehlerpunkte?

Und wie verhält es sich bei adversarialen Netzwerkbedingungen – mit Nullifiern, aktuellen Merkle-Wurzeln und Gas, das innerhalb des Beweises gehandhabt wird? Welche Teile sind dezentralisiert, und welche Annahmen sollten Nutzer kritisch prüfen?

#dusk $DUSK @Dusk

Ich bin letzte Nacht noch einmal durch die Dämmerungsdokumentation gegangen und kam mit mehr Interesse an den Designfragen als an technischen Behauptungen heraus.

Das Erste, was klickte, war die Aufteilung zwischen Moonlight und Phoenix. Moonlight ist kontobasiert mit öffentlichem Schlüssel, Nonce und Kontostand, während Phoenix UTXOs als „Notizen“ innerhalb eines Merkle-Baums verwendet. Zu den Feldern von Moonlight-Transaktionen gehören from, to, value, nonce, deposit, data, gas_limit, gas_price und signature; das maximale Gas wird als gas_limit × gas_price berechnet.

Bei Phoenix wird es spannend. Es verwendet die Jubjub-Kurve mit öffentlichen Schlüsseln (A,B), geheimen Schlüsseln (a,b) und einem View-Key (a,B). Die Notizstruktur umfasst type, com, enc, npk, R und encsender. Der Einmal-Notizschlüssel wird abgeleitet als npk = H(rA)G + B, während der Ausgabeschlüssel (spending key) nsk = H(aR) + b.

Ich versuche immer noch zu verstehen, wo genau die Vertrauensgrenze bei der Erzeugung von ZK-Beweisen und beim delegierten Scanning verläuft. Die Dokumentation sagt, dass Dritte Beweise generieren oder mit View Keys scannen können, ohne Ausgabebefugnisse zu erhalten, aber wo liegen die Fehlerpunkte?

Und wie verhält es sich bei adversarialen Netzwerkbedingungen – mit Nullifiern, aktuellen Merkle-Wurzeln und Gas, das innerhalb des Beweises gehandhabt wird? Welche Teile sind dezentralisiert, und welche Annahmen sollten Nutzer kritisch prüfen?

#dusk $DUSK @Dusk