Exploração profunda de risco combinado de curva de vinculação impulsionada por AI

Elaine, Jereyme｜作者

Sissi@TEDAO｜Tradutor

Introdução do tradutor:

Esta tradução apresentará uma proposta inovadora que recebeu financiamento da Token Engineering Commons (TEC) para a primavera de 2024. A TEC é uma comunidade importante que apoia e promove a Engenharia de Tokens em todo o mundo, comprometida em criar e manter um ecossistema sustentável e fornecer uma plataforma de suporte e colaboração para os membros da comunidade por meio de seu fórum e outros recursos.

O projeto utiliza aprendizado por reforço e modelagem e simulação baseadas em agentes para otimizar o mecanismo de curva de bonding no ecossistema de Tokens. Ao explorar e lidar com possíveis estratégias maliciosas sob diferentes combinações de curvas de bonding PAMM & SAMM, o projeto visa melhorar significativamente a segurança econômica do sistema de Tokens. Além disso, o projeto está empenhado em promover a difusão e prática da Engenharia de Tokens, permitindo que mais pessoas compreendam e participem desta tecnologia de ponta, abrindo caminho para a construção de um ecossistema de Tokens mais seguro e sustentável.

1. Detalhes da proposta

1.1 Visão Geral do Contexto

A curva de ligação é uma parte indispensável do ecossistema de token, desempenhando um papel fundamental no controle da flutuação do preço do token, fornecendo liquidez necessária, dinamizando o fornecimento de token, entre outros aspectos. Ao matematizar as relações entre vários elementos do ecossistema do token, a curva de ligação também abriu as portas para o ‘controle de engenharia’ do ecossistema de token.

Desde 2018, a equipa da IncentiveAI propôs a ideia de usar um agente de IA para otimização de mecanismos, observando o comportamento de agentes de Aprendizado de Máquina gananciosos, identificando comportamentos que os usuários podem ter após a implementação do sistema no ambiente real e otimizando continuamente o design do mecanismo ao comparar as diferenças entre o comportamento real e o esperado. Eles também aplicaram essa ideia ao estudo da curva de vinculação do protocolo Ocean. No entanto, é lamentável que o projeto não tenha sido amplamente implementado e atualmente não haja código de projeto disponível para referência ou execução.

A partir de 2023, o BCRG (Bonding Curve Research Group) realizou uma pesquisa, desenvolvimento, educação e aplicação abrangentes sobre curvas de vinculação, especialmente na pesquisa conjunta de curvas de vinculação do PAMM (Primary Automated Market Maker) e do SAMM (Secondary Automated Market Maker). No entanto, de acordo com a descrição do BCRG em Modelar e Simular curvas de vinculação, ainda não houve uma pesquisa mais aprofundada sobre estratégias maliciosas, testes de penetração, análise de suposições, etc., devido a restrições de recursos.

Nossa equipe tem se dedicado ao campo da Engenharia de Tokens por um longo período, trabalhando para resolver problemas de design e otimização de sistemas complexos usando modelagem e simulação baseada em agentes.

1.2 Descrição do projeto

Neste projeto, pretendemos herdar o conceito da Incentive AI, explorando estratégias maliciosas de potenciais atacantes em combinações de curvas de vinculação PAMM e SAMM diferentes, por meio de um agente de IA treinado por reforço, e através de uma análise comparativa e exploração do espaço de ação, buscar combinações de parâmetros de curva de vinculação relativamente estáveis e de alta qualidade, a fim de otimizar continuamente o design do mecanismo do protocolo, reduzir a lacuna entre o comportamento esperado e o real, e diminuir o risco econômico do ecossistema de tokens.

Especificamente, na escolha da curva de ligação PAMM, selecionamos os tipos mais comuns: Linear, Exponencial, Power e Sigmoid; na escolha da curva de ligação SAMM, selecionamos os tipos mais comuns: Produto Constante (por exemplo, Uniswap) e Tipo Misto (por exemplo, Curve), resultando em 8 combinações de PAMM e SAMM. Vamos realizar experimentos usando modelagem e simulação baseadas em agentes, usando agentes de IA para explorar o conjunto potencial de estratégias maliciosas para cada cenário, juntamente com suas respectivas probabilidades, e através dos resultados da simulação, demonstrar de forma intuitiva as consequências das estratégias maliciosas no sistema. O objetivo é explorar, por meio de experimentos, estratégias de combate a ataques maliciosos relativamente científicas e otimizações dos mecanismos de curva de ligação.

Ao mesmo tempo, obtivemos o patrocínio de conta avançada da Holobit, e usaremos essa plataforma de modelagem e simulação avançada para revelar completamente os detalhes da construção do nosso modelo e todo o processo experimental.

• Possíveis pontos de inovação

I. Introduzir a aprendizagem reforçada na Engenharia de Tokens, criando um método de otimização de mecanismos de protocolo baseado em AI-agent e modelagem e simulação baseada em agentes;

II. Este método é geral, pode ser implementado, reutilizado e pode ser útil para a segurança econômica de todo o ecossistema de Token.

III. Graças à poderosa ferramenta Holobit, este modelo pode ser compreendido, usado e verificado pelo público em geral.

• Objetivo de curto prazo do projeto‍

I. Explore potential malicious strategies using AI-agent to identify possible risks under different PAMM and SAMM bonding curve combinations, and explore corresponding risk response strategies and mechanism optimization plans under various mechanism combinations;

II. Fornecer um conjunto de métodos de pesquisa relativamente científicos e rigorosos para o desenvolvimento da curva de vinculação;

III. Com base nos resultados experimentais, são apresentadas várias sugestões para melhorar a segurança econômica do ecossistema de Token a partir da perspectiva da curva de bonding.

• Objetivo de longo prazo do projeto

Através da combinação da popularização do método de modelagem e simulação baseado em agentes da IA com a promoção da Engenharia de Token, torna-se possível que qualquer pessoa se torne um Engenheiro de Token, estabelecendo uma base sólida para a construção de ecossistemas de tokens mais antifrágeis e sustentáveis de forma descentralizada e impulsionando ainda mais o desenvolvimento teórico e prático da Engenharia de Token.

2. Resultados Esperados

Com a ajuda da ferramenta Holobit, espera-se entregar os seguintes resultados usando a modelagem baseada em agentes:

• Um modelo de simulação fora da cadeia da economia de token que introduz um agente de AI, contendo 8 experimentos combinando PAMM e SAMM. Ao mesmo tempo, o modelo é completamente transparente, todos podem ler, usar e verificar;
• Um relatório de pesquisa sobre estratégias potenciais de ataques maliciosos sob diferentes combinações de curvas de ligação PAMM e SAMM, exploradas por um agente de IA (incluindo o processo de modelagem, conteúdo experimental, riscos de vulnerabilidade e soluções de otimização).

3. Alinhar Missão e Valores

• Conveniente: Holobit suporta partilha pública e a lógica de modelagem é simples, visual e intuitiva, garantindo que todos possam ler, usar e verificar. Portanto, este modelo pode ser aberto como um bem público, acessível e testável por todos, como o caso do ecossistema Terra/LUNA já apresentado.
• Educação: Através de modelos detalhados e tutoriais de simulação, o projeto pode ajudar o público a entender profundamente o funcionamento dos modelos de curva de ligação e seu papel fundamental no ecossistema de tokens; através da modelagem e simulação baseadas em agentes, o projeto pode mostrar ao público como analisar e lidar com as relações dinâmicas e os riscos potenciais em sistemas complexos. Essas habilidades são amplamente aplicáveis e são habilidades-chave na pesquisa de Token Engineering. Se essa metodologia e ferramentas puderem ser promovidas e popularizadas na comunidade por meio desse modelo, isso poderá impulsionar ainda mais a popularização, o desenvolvimento e a aplicação prática do Token Engineering.
• Transparente: Apenas é considerado verdadeiramente transparente se o público em geral puder compreender. Este modelo não envolve código, mas visualiza o mecanismo de modelagem e o processo experimental por meio da ferramenta Holobit. Por meio da modelagem e do experimento, não apenas o mecanismo do modelo é transparente, mas também os riscos do projeto do mecanismo são revelados e são fornecidas sugestões específicas de reparo.
• Comunidade impulsionada: A comunidade pode bifurcar este modelo para várias experiências, não se limitando apenas à curva de vinculação, mas também para estudos de governança, subir e outros. O mais importante é que esta metodologia e ferramentas podem ser reutilizadas em outros protocolos, permitindo que todos na comunidade publiquem abertamente suas descobertas de pesquisa, exponham as falhas e possíveis otimizações do ecossistema do token, alcançando verdadeiramente a autorregulação impulsionada pela comunidade.
• Alinhado com os princípios da Engenharia de Token: Depois de dominar este conjunto de métodos e ferramentas, qualquer pessoa pode realizar auditorias de segurança econômica de protocolos com base nessas habilidades. Assim, é possível ‘descentralizar a engenharia de tokens’, e podemos reunir a sabedoria coletiva para construir um ecossistema de tokens mais anti-frágil e sustentável.