💻 computer science

Towards Decentralized Searcher Competition in MEV Markets

Diese Arbeit befasst sich mit der Zentralisierung des MEV-Marktes, indem sie einen Shapley-gedeckten Auktionsmechanismus mit bayesschen Sicherheitsbeschränkungen vorschlägt, um eine fairere Belohnungsverteilung zu gewährleisten und Sybil-Angriffe sowie die Kollusion von Validatoren unter heterogenen Searchern zu verhindern.

Ursprüngliche Autoren: Roozbeh Sarenche, Yunwen Liu

Veröffentlicht 2026-08-12

📖 8 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Roozbeh Sarenche, Yunwen Liu

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich einen geschäftigen digitalen Marktplatz vor, auf dem unsichtbare Rennfahrer, bekannt als „Searcher“, ständig auf winzige, flüchtige Gelegenheiten jagen, um Geld zu verdienen. Dies ist kein normaler Markt; es ist der verborgene Motor einer Blockchain, ein System, das von allen betrieben werden soll, nicht nur von ein paar großen Bossen. In dieser Welt ist „Maximal Extractable Value“ (MEV) der Preis: es ist der zusätzliche Gewinn, den man aus einer Transaktion herausholen kann, indem man die Reihenfolge der Ereignisse neu anordnet – wie ein gerissener Shopper, der ein Produkt kauft, kurz bevor der Preis steigt, und es sofort wieder verkauft. Um diese Preise zu ergattern, kämpfen die Searcher darum, als Erste ihren Code an die „Block Builder“ der Blockchain zu übermitteln, die wie die Rennleiter fungieren, die entscheiden, wer die nächste Runde laufen darf. Die aktuelle Regel des Spiels ist einfach, aber brutal: Wer am meisten Geld bietet, gewinnt den gesamten Preis, und alle anderen gehen leer aus. Dieses „Winner-take-all“-System (Gewinner bekommt alles) hat einen hässlichen Nebeneffekt: Es ermutigt ein paar super schnelle und super reiche Rennfahrer, alles zu dominieren, wodurch die kleineren Akteure verdrängt werden und aus einem fairen, offenen Rennen ein geschlossener Club wird.

Diese Arbeit taucht tief in dieses Rennen ein, um zu untersuchen, ob wir die Regeln ändern können, um es fairer zu gestalten, ohne dass Betrüger das Ruder übernehmen. Die Autoren, Roozbeh Sarenche und Yunwen Liu, argumentieren, dass der aktuelle „Höchstbietner gewinnt“-Ansatz zwar sehr gut darin ist, eine spezifische Art von Betrug zu verhindern (bei dem ein Rennfahrer seinen eigenen Code kopiert, um vorzugeben, viele verschiedene Personen zu sein), aber schrecklich darin ist, den Wettbewerb offen zu halten. Sie zeigen, dass das aktuelle System, wenn Rennfahrer unterschiedliche Geschwindigkeiten und Fähigkeiten besitzen, den schnellsten wenigen erlaubt, alle Belohnungen für sich zu beanspruchen, während alle anderen nur Krümel abbekommen. Um dies zu beheben, schlagen sie eine neue Methode vor, den Preisgeld zu verteilen, die sogenannte „Shapley-capped Auction“ (Shapley-gedeckte Auktion). Anstatt alles dem einzelnen Gewinner zu geben, betrachtet dieses neue System, wie viel jeder Rennfahrer tatsächlich zum Erfolg der Gruppe beigetragen hat, und verteilt die Beute entsprechend, jedoch mit strengen Sicherheitsmechanismen, um zu verhindern, dass Betrüger das System manipulieren. Durch Computersimulationen und die Analyse realer Daten der Ethereum-Blockchain legen sie nahe, dass diese neue Methode ein Rennen, das von einer Handvoll Giganten dominiert wird, in einen lebhaften Wettbewerb verwandeln könnte, in dem Dutzende von Rennfahrern tatsächlich gewinnen können.

Das Problem: Das „King of the Hill“-Rennen

Um das Problem zu verstehen, stellen Sie sich ein Videospiel-Turnier vor, bei dem der Preis ein riesiger Sack Goldmünzen ist. In der aktuellen Version dieses Spiels gibt es viele Spieler, aber nur derjenige, der dem Schiedsrichter die höchste „Eintrittsgebühr“ zahlt, bekommt den Sack. Alle anderen zahlen nichts und bekommen auch nichts.

Die Arbeit weist auf ein Problem hin, das „Zentralisierung“ genannt wird. In der realen Welt haben einige Spieler bessere Computer, schnelleres Internet und mehr Geld als andere. In einem „Winner-take-all“-Rennen verstärken sich diese Vorteile. Wenn Sie etwas schneller oder etwas besser informiert sind, gewinnen Sie fast jedes Mal. Wenn Sie fast jedes Mal gewinnen, werden Sie reich. Wenn Sie reich werden, können Sie noch bessere Computer kaufen. Bald haben Sie eine Situation, in der ein oder zwei Spieler 90 % des Goldes gewinnen und der Rest der Spieler nur daneben steht und zusieht. Das ist schlecht für die Blockchain, denn der eigentliche Zweck dieser Systeme ist Dezentralisierung – betrieben von vielen Menschen, nicht von ein paar Königen.

Die Autoren untersuchten auch eine spezifische Art von Betrug, den sogenannten „Sybil-Angriff“. Stellen Sie sich vor, ein Spieler versucht, das Spiel zu manipulieren, indem er 100 Fake-Konten erstellt, die alle dieselbe Strategie nutzen, nur um seine Gewinnchancen zu erhöhen. Im aktuellen „Höchstbietner“-System funktioniert das nicht wirklich, da der Spieler immer noch die volle Eintrittsgebühr für jedes einzelne Fake-Konto zahlen muss und den Preis nur einmal erhält. Daher ist das aktuelle System eigentlich recht gut darin, diese spezifische Art von Betrug zu stoppen. Die Autoren argumentieren jedoch, dass es nicht ausreicht, gut darin zu sein, Betrüger zu stoppen, wenn das Spiel dennoch gegen die „kleinen Leute“ manipuliert ist.

Die Lösung: Der „Fair Share“-Topf

Die Autoren schlagen eine neue Art vor, das Rennen zu führen, die sie die Entry-Filtered Shapley-Capped Auction nennen. Lassen Sie uns diesen schicken Namen in eine Geschichte über eine Gruppe von Schatzsuchern zerlegen.

1. Der Entry Filter (Der Torwächter):
Zuerst darf nicht jeder mitspielen. Das System setzt eine Mindestqualitätsgrenze. Wenn die Karte eines Schatzsuchers nicht gut genug ist (sein Code nicht effizient genug ist), wird er höflich gebeten zu gehen. Dies verhindert, dass das System mit minderwertigen Einreichungen verstopft wird, und hilft dabei, Betrüger daran zu hindern, das System mit minderwertigen Kopien zu überfluten.

2. Der Shapley-Wert (Der faire Aufteiler):
Dies ist das Herzstück der neuen Idee. Anstatt den ganzen Schatz demjenigen zu geben, der die beste Karte gefunden hat, schaut das System, wie viel jeder Einzelne zum Erfolg der Gruppe beigetragen hat. Stellen Sie sich eine Gruppe von Freunden vor, die versuchen, ein Puzzle zu lösen. Wenn einer den Deckel der Schachtel bringt, ein anderer die Eckteile und ein dritter die Randteile, haben alle geholfen. Der „Shapley-Wert“ ist eine mathematische Methode, um genau zu berechnen, wie viel Anerkennung jede Person basierend auf ihrem einzigartigen Beitrag verdient. In dieser neuen Auktion, wenn mehrere Searcher gute Gelegenheiten finden, wird der Profit unter ihnen aufgeteilt, basierend darauf, wie viel sie zur Mischung hinzugefügt haben, anstatt nur an den einzelnen „Gewinner“ zu gehen.

3. Die Obergrenze und das Verbrennen (Das Sicherheitsventil):
Hier liegt der knifflige Teil. Wenn das System das Geld einfach unter allen aufteilt, könnte ein Betrüger versuchen, 1.000 Fake-Konten zu erstellen, um 1.000 winzige Stücke vom Kuchen zu bekommen. Um dies zu verhindern, hat das neue System eine „Cap“ (Obergrenze). Es besagt: „Okay, wir teilen das Geld fair auf, aber nur unter den besten paar Einreichungen.“ Wenn zu viele Leute versuchen einzutreten, wechselt das System in einen „Fallback“-Modus, in dem es nur die allerbeste Einreichung bezahlt und den Rest des Geldes „verbrennt“ (vernichtet). Dies macht es zu einer Verluststrategie, zu viele Fake-Konten zu erstellen.

Das „Verbrennen“ ist wie eine Strafgebühr. Wenn ein Betrüger versucht, seine Strategie in viele Kopien aufzuspalten, um das System zu manipulieren, ist die Mathematik so gestaltet, dass die Strafe (das verbrannte Geld) immer größer ist als der zusätzliche Profit, den er dadurch gewinnen könnte. Dies hält das Spiel sicher gegen Betrüger, während es gleichzeitig fair gegenüber den ehrlichen Spielern bleibt.

Was die Zahlen sagen

Die Autoren haben das nicht nur ausgedacht; sie haben es getestet. Sie bauten ein Computermodell davon, wie diese Searcher konkurrieren, und führten tausende Simulationen durch. Sie analysierten auch reale Daten der Ethereum-Blockchain und untersuchten über eine halbe Million Transaktionen, um zu sehen, wie sich echte Searcher verhalten.

Ihre Ergebnisse waren eindeutig:

Der alte Weg (First-Price Auction): In ihren Simulationen wurde das „Winner-take-all“-System sehr unfair, sobald das Rennen kompetitiv wurde. In den am stärksten konzentrierten Szenarien stellten sie fest, dass effektiv nur ein einziger Searcher alle Belohnungen gewann, obwohl es viele Spieler gab. Der „Fairness-Score“ sank auf fast Null.
Der neue Weg (Shapley-Capped): Als sie ihr neues System anwandten, änderten sich die Ergebnisse dramatisch. In denselben konzentrierten Szenarien ermöglichte das neue System 3 bis 4 (und manchmal mehr) Searchern, die Belohnungen fair zu teilen. Der Fairness-Score stieg signifikant an.

Beispielsweise: In einem Szenario, in dem das alte System einen Fairness-Score von 0,075 lieferte (was bedeutet, dass es fast keine Fairness gab), steigerte das neue System diesen auf 0,726 (was eine viel höhere Fairness bedeutet), während das System gleichzeitig sicher gegen Betrüger blieb.

Sie untersuchten auch reale Daten von Ethereum. Dabei fanden sie zwei Arten von Schatzsuchen:

High-Margin Hunts (Hochmargige Suchen): Dies sind seltene, große Preise. Hier war das alte System sehr konzentriert, wobei einige wenige große Akteure dominierten. Das neue System hätte dies viel fairer gemacht und die Belohnungen an mehr Spieler verteilt.
High-Volume Hunts (Hochvolumige Suchen): Dies sind kleine, häufige Preise. Hier war das alte System bereits etwas fairer, da es so viele Teilnehmer gab. Das neue System änderte die Fairness hier nicht wesentlich, stellte aber sicher, dass das System weiterhin sicher gegen Betrüger blieb.

Das Fazit

Das Paper legt nahe, dass die aktuelle Art und Weise, diese Blockchain-Auktionen durchzuführen, einem Rennen gleicht, bei dem der schnellste Läufer die ganze Trophäe bekommt und alle anderen mit leeren Händen nach Hause gehen. Dies fördert es, dass einige wenige Super-Teams das Ruder übernehmen. Die Autoren schlagen ein neues Regelwerk vor, bei dem die Trophäe basierend darauf geteilt wird, wie sehr jeder geholfen hat, jedoch mit einer strengen Begrenzung, um Betrüger daran zu hindern, sich einen Weg durch Täuschung zu bahnen.

Ihre Arbeit deutet darauf an, dass wir sowohl den Kuchen essen als auch gleichzeitig auf die Diät achten können: ein System, das sowohl fair (belohnt viele verschiedene Spieler) als auch sicher (stoppt Betrüger) ist. Es ist kein Zauberstab, der alles sofort löst, aber es bietet einen vielversprechenden neuen Weg, um das Blockchain-Rennen offen, wettbewerbsorientiert und für alle spannend zu halten, nicht nur für die reichsten Wenigen. Die Autoren betonen, dass dies eine theoretische und simulierte Lösung ist, die in der realen Welt getest werden muss, aber die Mathematik und die Daten deuten bisher in eine sehr hoffnungsvolle Richtung.

Technisches Resümee: Hin zu dezentralem Sucherwettbewerb in MEV-Märkten

1. Problemstellung

Die Märkte für Maximal Extractable Value (MEV) auf erlaubnisfreien Blockchains stehen vor erheblichen Zentralisierungsrisiken. Während die bestehende Literatur Zentralisierung unter Block-Buildern und Validatoren bereits umfassend analysiert hat, identifiziert dieses Paper den Sucherwettbewerb (Searcher Competition) als einen eigenständigen und kritischen Ort der Zentralisierung.

Der aktuelle MEV-Extraktionsprozess stützt sich auf einen First-Price, Winner-Take-All-Auktionsmechanismus, bei dem Sucher um die Einbindung in einen Block bieten. Das Paper argumentiert, dass dieses Design in Kombination mit der inhärenten Heterogenität der Sucher (Unterschiede in der Abdeckung von Gelegenheiten, Ausführungseffizienz, Kapital und Information) zu einer schweren Konzentration der Belohnungen führt. In diesem Umfeld fließen die Erträge an den Sucher mit dem höchsten Rang (höchstes Gebot oder beste Ausführung) statt proportional zu den marginalen Beiträgen verteilt zu werden. Diese „Rangdominanz“ schafft hohe Eintrittsbarrieren, verstärkt die Dominanz spezialisierter Infrastruktur und untergräbt die Dezentralisierungsziele erlaubnisfreier Protokolle.

Die Kernherausforderung besteht darin, einen Mechanismus zu entwerfen, der die Belohnungen breiter und fairer unter den Suchern verteilt und dabei gleichzeitig strikt die Sicherheitsgarantien in einer erlaubnisfreien Umgebung aufrechterhält. Insbesondere muss jeder Mechanismus, der mehrere Einreichungen belohnt, Folgendes verhindern:

Sybil-Angriffe: Sucher, die eine einzige Ausführungsstrategie in mehrere Identitäten aufteilen (kopierter oder degradierter Code), um einen größeren Anteil der Belohnungen abzugreifen.
Validator-Searcher-Kollusion: Koalitionen, in denen Validatoren und Sucher koordinieren, um durch Identitätsteilung die gemeinsamen Erträge zu erhöhen.

2. Methodik

Systemmodell

Die Autoren entwickeln ein heterogenes Modell des Sucherwettbewerbs, das Folgendes umfasst:

Entitäten: Eine endliche Menge von Suchern $S$ und ein Validator.
Gelegenheitsklassen: MEV-Gelegenheiten werden in Klassen gruppiert (z. B. Arbitrage, Liquidation).
Heterogenität: Sucher unterscheiden sich in:
- Gelegenheitsabdeckung (Opportunity Coverage): Die Wahrscheinlichkeit $\alpha_{i,\tau}$ , eine Gelegenheit in der Klasse $\tau$ zu entdecken.
- Ausführungsqualität: Der zertifizierte normalisierte Nettowert $z_{i,o}$ ihres Ausführungscodes, abgeleitet aus dem Bruttowert abzüglich der Ausführungskosten.
Informationsstruktur: Ein Bayesianisches Framework, in dem Sucher ihren eigenen Code und Wert kennen, aber vor der Einreichungsfrist nur die distributiven Primitiven der Teilnahme und Werte ihrer Wettbewerber kennen.

Evaluierungsmetriken

Das Paper führt zwei primäre Metriken zur Bewertung von Auktionsmechanismen ein:

Shapley-gewichteter Jain-Fairness-Index ( $J_{Sh}$ ): Misst, ob die Belohnungen proportional zu den marginalen Beiträgen (Shapley-Werten) der Sucher zum erwarteten Überschuss stehen. Ein Wert von 1 deutet auf perfekte, beitragsangepasste Fairness hin; niedrigere Werte deuten auf Konzentration hin.
Erwarteter-Belohnung Herfindahl-Hirschman-Index (ER-HHI): Misst die Konzentration der langfristigen erwarteten Belohnungen unter den Suchern. Der Kehrwert ( $N_{eff}$ ) repräsentiert die „effektive Anzahl der belohnten Sucher“.

Sicherheitsdefinitionen

Das Paper definiert Sicherheit gegen Abweichungen in einem Bayesianischen Kontext (Bewertung der erwarteten Erträge unter der Bedingung der eigenen Teilnahme und des eigenen Wertes):

Bayesianische Resistenz gegen kopierten Code (Sybil-Resistenz): Verhindert, dass ein Sucher seinen erwarteten Ertrag erhöht, indem er mehrere Kopien oder degradierte Versionen seines eigenen Codes einreicht.
Bayesianische Resistenz gegen Validator-Sucher-Koalitionen: Verhindert, dass ein Sucher und ein Validator durch Abweichungen mittels kopiertem Code ihren gemeinsamen erwarteten Ertrag erhöhen.

3. Kernbeiträge

A. Analyse der First-Price-Auktion (FPA)

Das Paper etabliert die Standard-FPA als Benchmark.

Sicherheit: Es wird bewiesen, dass die FPA gegenüber Sybil-Abweichungen durch kopierten Code und gegenüber Validator-Sucher-Koalitionen im Ex-post-Sinne (und damit auch im Bayesianischen Sinne) robust ist. Da nur der höchste Bieter gewinnt, führt das Aufteilen einer Strategie in mehrere Gebote nicht zu einer Erhöhung der Gewinnwahrscheinlichkeit oder des Ertrags.
Ökonomisches Versagen: Unter Heterogenität belohnt die FPA Rangdominanz statt marginalen Beitrag.
- Wenn eine kleine Gruppe „dominanter“ Sucher (hohe Abdeckung oder hohe Ausführungsqualität) existiert, gewinnen sie fast immer.
- Das Paper beweist, dass, wenn die Teilnahmewahrscheinlichkeit dominanter Sucher gegen 1 geht, die effektive Anzahl der belohnten Sucher ( $N_{eff}$ ) auf die Größe der dominanten Klasse (potenziell 1) konvergiert und der Fairness-Index ( $J_{Sh}$ ) kollabiert.
- Dies führt zu einem „Winner-Take-All“-Ausgang, bei dem Sucher mit geringerer Qualität effektiv von Belohnungen ausgeschlossen werden, was die Zentralisierung verstärkt.

B. Vorgeschlagener Mechanismus: Entry-Filtered Shapley-Capped Auction (SCA)

Um die Einschränkungen der FPA zu adressieren, schlagen die Autoren die Entry-Filtered Shapley-Capped Auction vor.

Mechanismusdesign:
1. Entry Filter: Einreichungen mit zertifizierten Nettowerten unter einem Schwellenwert $\theta$ werden abgelehnt.
2. Shapley-Sharing: Wenn die Anzahl der zugelassenen Einreichungen ( $t_\theta$ ) unter einem Cap $H$ liegt, werden die Belohnungen gemäß dem Shapley-Wert des Validator-abhängigen Max-Games verteilt, skaliert durch Retentionsparameter ( $\eta_S, \eta_V$ ).
3. Capped Fallback: Wenn $t_\theta > H$ , wechselt der Mechanismus in einen konservativen Zweig, in dem nur die oberste Einreichung eine (reduzierte) Belohnung erhält und der restliche Überschuss verbrannt (burned) wird.
Sicherheit durch Verbrennen (Burning): Der Mechanismus nutzt Burn-Funktionen (das Verbrennen eines Teils des Überschusses), um den wirtschaftlichen Anreiz für Sybil-Angriffe zu eliminieren. Durch eine sorgfältige Kalibrierung der Burn-Parameter ( $\kappa_S, \kappa_V$ ) stellt der Mechanismus sicher, dass der erwartete Ertrag eines Suchers (oder einer Koalition) durch das Aufteilen seiner Einreichung in mehrere Identitäten nicht steigt.
Theoretische Garantien: Das Paper liefert eine Bayesianische Sicherheitscharakterisierung und beweist, dass die SCA bei geeigneter Parameterwahl resistent gegen Sybil-Abweichungen durch kopierten Code sowie gegen Validator-Sucher-Koalitionen ist. Zudem wird die Budget-Machbarkeit (Gesamtzahlungen + Burn $\leq$ Gesamtwert) bewiesen.

C. Empirische Kalibrierung

Die Autoren kalibrieren ihr Modell anhand von Ethereum On-Chain Arbitrage-Daten (577.264 Transaktionen).

Sie klassifizieren Sucher in drei Strategieprofile: Margin-orientiert (hoher Profit pro Transaktion), Volumen-orientiert (hohe Transaktionsanzahl) und Mixed.
Sie extrahieren trunkierte Log-Normalverteilungen für Ausführungskosten und Teilnahmewahrscheinlichkeiten für „Elite“, „Middle“ und „Tail“-Tiers innerhalb jeder Strategie.
Diese empirischen Verteilungen werden verwendet, um die FPA und die SCA unter realistischen Bedingungen zu simulieren und zu vergleichen.

4. Ergebnisse

Theoretische Benchmarks

FPA-Zentralisierung: In Szenarien mit asymmetrischen Sucherpopulationen (z. B. eine kleine Elite-Klasse mit hoher Abdeckung/Qualität) führt die FPA zu extremer Konzentration. Im Szenario „Single Elite Searcher“ sinkt $N_{eff}$ auf $\approx 1,04$ und $J_{Sh}$ auf $0,075$, was eine nahezu totale Monopolisierung der Belohnungen anzeigt.
SCA-Dezentralisierung: Die Entry-Filtered SCA verbessert die Dezentralisierung signifikant. Im selben „Single Elite“-Szenario hält die SCA ein $N_{eff}$ von $\approx 3,78$ und ein $J_{Sh}$ von $0,726$. Sie verteilt die Belohnungen erfolgreich an eine breitere Gruppe von Suchern basierend auf deren marginalen Beiträgen.
Trade-off: Es gibt einen Trade-off zwischen Sicherheit und Abdeckung. Niedrigere Eintrittsschwellen ( $\theta$ ) lassen mehr Sucher zu (verbessert die Dezentralisierung), erfordern jedoch höhere Burn-Raten ( $\kappa_S$ ), um die Sybil-Resistenz aufrechtzuerhalten.

Empirische Befunde

Konzentrierte Gelegenheiten (C1 - Margin-orientiert): In Gelegenheitsklassen, in denen der Wettbewerb natürlich konzentriert ist (wenige Elite-Kontrakte dominieren), performt die FPA schlecht ( $J_{Sh} = 0,175$ ). Die SCA verbessert die Fairness dramatisch ( $J_{Sh} = 0,983$ ) und erhöht die effektive Anzahl der belohnten Sucher.
Diffuse Gelegenheiten (C2 - Volumen-orientiert): In hochkompetitiven, volumengetriebenen Märkten ist die FPA bereits relativ dezentral ( $J_{Sh} = 0,997$ ). Die SCA bietet nur marginale Verbesserungen der Fairness, stellt aber sicher, dass die Verteilung der Belohnungen auch unter strengen Sybil-Resistenz-Beschränkungen breit bleibt.
Validierung der Sicherheit: In allen kalibrierten Szenarien ist die bindende Abweichung für die Sicherheit ein Zwei-Kopien-Exact-Copy-Angriff an der Eintrittsgrenze. Die vorgeschlagenen Parameter verhindern diese Abweichung erfolgreich.

5. Bedeutung und Ansprüche

Das Paper behauptet, dass Dezentralisierung in MEV-Märkten fundamental ein Problem des Mechanismusdesigns ist, und nicht nur eine Frage der Infrastruktur oder des Zugangs zu Orderflows.

Limitierung des aktuellen Designs: Die Autoren zeigen auf, dass die Standard-First-Price-Winner-Take-All-Auktion, obwohl sie sicher gegen Sybil-Angriffe ist, unter realistischer Heterogenität ökonomisch zentralisierend wirkt. Sie belohnt „Rang“ statt „Beitrag“, was es dominanten Akteuren ermöglicht, den Großteil des MEV einzufangen.
Machbarkeit von Alternativen: Das Paper argumentiert, dass es möglich ist, einen Mechanismus zu entwerfen, der gleichzeitig erreicht:
1. Beitragsangepasste Fairness: Belohnungen proportional zu den Shapley-Werten.
2. Dezentralisierung der Belohnungen: Eine breitere Verteilung der Erträge unter den Suchern.
3. Erlaubnisfreie Sicherheit: Robustheit gegen Sybil-Angriffe und Validator-Kollusion ohne die Notwendigkeit vertrauenswürdiger Dritter.
Die Rolle des Verbrennens (Burning): Die Einführung von Burning (das Verwerfen eines Überschusses) wird als notwendiger Trade-off präsentiert, um Anreize in Einklang zu bringen. Durch das Verbrennen eines Teils des Überschusses entfernt der Mechanismus das Gewinnmotiv für die Identitätsteilung und ermöglicht so eine fairere Verteilung, ohne die Sicherheit zu gefährden.

Die Autoren kommen zu dem Schluss, dass die Entry-Filtered Shapley-Capped Auction einen gangbaren Weg zu dezentraleren MEV-Märkten bietet, insbesondere in Gelegenheitsklassen, in denen aktuelle Mechanismen zu monopolistischer Konzentration der Belohnungen führen. Sie betonen, dass die Parameter des Mechanismus (Schwellenwerte, Caps, Burn-Raten) sorgfältig kalibriert werden müssen, um den Trade-off zwischen breiter Teilnahme und Sicherheit gegen strategische Abweichungen auszubalancieren.