If It Walks Like an Arbitrage: Protocol-Agnostic Detection with Decidable Structural Equivalence
Dieses Paper präsentiert ein protokollagnostisches, formal verifiziertes System, das eine entscheidbare kanonische Form von Ethereum-Transaktions-Traces nutzt, um Arbitrage-Möglichkeiten mittels struktureller Zyklenerkennung zu detektieren, wobei eine hohe Übereinstimmung mit produktiven MEV-Plattformen erreicht wird und gleichzeitig tausende exklusive Detektionen identifiziert werden, ohne sich auf protokollspezifische Muster zu verlassen.
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
Auf der Ethereum-Blockchain bewegt sich Geld durch ein komplexes Geflecht digitaler Verträge. Jedes Mal, wenn ein Nutzer eine Transaktion sendet, wird ein verborgenes Skript ausgeführt, das andere Programme in einer verschachtelten Sequenz aufruft, die hunderte von Schritten lang sein kann. Innerhalb dieser unsichtbaren Maschinerie scannen automatisierte Bots ständig nach winzigen Preisunterschieden zwischen digitalen Börsen. Wenn sie einen finden, führen sie eine schnelle Serie von Trades aus, um günstig zu kaufen und teuer zu verkaufen, und sichern sich so den Profit, bevor der Markt sich korrigiert. Diese Aktivität, bekannt als Arbitrage, ist der Motor hinter einer massiven Industrie namens Maximal Extractable Value (MEV), bei der Bots darum konkurrieren, jeden möglichen Cent an Profit aus dem Netzwerk zu pressen. Da diese Bots jedoch tausende verschiedene Verträge nutzen und ständig neue Wege erfinden, um Geld zu bewegen, war das Aufspüren von ihnen wie der Versuch, eine spezifische Nadel in einem Heuhaufen zu finden, der ständig seine Form verändert. Bestehende Werkzeuge verlassen sich oft darauf, die spezifischen Muster bekannter Börsen auswendig zu lernen, wodurch sie alles Neue oder Ungewöhnliche übersehen.
Ein Forscherteam bei Functori hat eine neue Art entwickelt, diese Transaktionen zu sehen, die nicht davon abhängt, die Namen der beteiligten Verträge zu kennen. Anstatt nach spezifischen Mustern zu suchen, behandeln sie jede Transaktion als ein strukturelles Objekt, das zu einer einzigen, einzigartigen Form vereinfacht werden kann. Sie bauten ein System, das den Rohdatensatz einer Transaktion nimmt und ihn Schritt für Schritt umschreibt, indem es das Rauschen der Aufrufhierarchie entfernt, bis nur noch der wesentliche Fluss der Gelder übrig bleibt. Dieser Prozess garantiert, dass er jedes Mal dieselbe endgültige Form erzeugt, egal wie komplex die ursprüngliche Transaktion war. Wenn zwei verschiedene Transaktionen dieselbe endgültige Form ergeben, sind sie strukturell identisch. Dies ermöglicht es dem System, Arbitrage nicht durch das Erkennen eines bekannten Musters zu identifizieren, sondern dadurch, zu sehen, ob die Geldflüsse in einem geschlossenen Kreislauf verlaufen, der mit mehr Wert beginnt und endet, als er ursprünglich hatte. Es ist eine Methode, die unabhängig davon funktioniert, welche digitalen Token verwendet werden oder welche spezifischen Börsen beteiligt sind.
Die Forscher testeten dieses System an 220.000 Blöcken der Ethereum-Blockchain, was eine Aktivität von einem Monat im späten Jahr 2025 abdeckt. Sie verglichen ihre Ergebnisse mit Eigenphi, einer führenden kommerziellen Plattform zur Erkennung von Arbitrage, und ArbiNet, einem Klassifizierer auf Basis maschinellen Lernens. Das neue System stimmte in 83,5 % der erkannten Transaktionen mit der kommerziellen Plattform überein, fand aber zusätzlich 60.199 bestätigte Arbitrage-Zyklen, die die kommerzielle Plattform übersah. Diese übersehenen Detektionen waren oft komplexe, mehrstufige Trades, die Flash Loans oder ungewöhnliches Routing beinhalteten und somit nicht in die Standardmuster passten, auf die das kommerzielle Tool trainiert wurde. Das System identifizierte zudem 245.497 Transaktionen, die wie Arbitrage-Versuche aussahnen, aber keinen Gewinn erwirtschafteten, oft weil die Bots einen Kampf um die Transaktionsgeschwindigkeit verloren oder zu hohe Gebühren zahlten. Diese gescheiterten Versuche sind für Systeme unsichtbar, die nur nach erfolgreichen Gewinnen suchen, offenbaren aber das wahre Ausmaß des Wettbewerbs, der auf dem Netzwerk stattfindet.
Um zu verstehen, wie dies funktioniert, stellen Sie sich vor, die Forscher würden einen verhedderten Wollknäuel nehmen, der eine Transaktion repräsentiert, und ihn systematisch entwirren. Es ist ihnen egal, wovon der Faden gemacht ist oder woher er kommt; sie kümmern sich nur darum, wie die Enden zusammenkommen. Wenn der Faden eine Schleife bildet, bei der das Ende wieder zum Anfang zurückführt, und die Schleife einen Nettozuwachs an Material enthält, markiert das System dies als Arbitrage. Dieser Ansatz ist so robust, dass dieselbe Software-Binärdatei ohne jegliche Änderungen auf zwei anderen Blockchains, Arbitrum und der Binance Smart Chain, laufen konnte und valide Ergebnisse lieferte. Das System stützt sich auf einen Satz von 15 Regeln, die den Transaktionsbaum vereinfachen, parallele Pfade zusammenführen und Geldtransfers verketten, bis die Struktur entweder in einen einfachen Zyklus kollabiert oder offenbart, dass kein Zyklus existiert. Da die Regeln mathematisch bewiesen sind, immer abzuschließen und immer das gleiche Ergebnis zu liefern, ist die Detektion konstruktionsbedingt fundiert.
Die Studie zeigte auch, dass viele Transaktionen, die von anderen Systemen als Arbitrage markiert wurden, tatsächlich falsch-positive Ergebnisse waren. Als die Forscher 200 Transaktionen manuell untersuchten, die nur von der kommerziellen Plattform markiert worden waren, stellten sie fest, dass 63,5 % von ihnen überhaupt keinen zyklischen Geldfluss aufwiesen. Dies waren einfache Transfers oder Yield-Harvesting-Operationen, die nur deshalb wie Arbitrage aussah, weil das andere System nach spezifischen Ereignissignaturen suchte statt nach der zugrunde liegenden Struktur. Umgekehrt fand das neue System echte Arbitrage-Zyklen, die andere Tools übersahen, weil sie in komplexen Routing-Verträgen verborgen waren. Die Forscher verifizierten 500 Transaktionen manuell und fanden keine falsch-positiven Ergebnisse in ihrer bestätigten Kategorie, was bedeutet, dass jede Transaktion, die sie als erfolgreiche Arbitrage bezeichneten, tatsächlich eine profitable Schleife war.
Diese Arbeit verlagert das Feld von der Abhängigkeit von gelernten Mustern hin zu einem grundlegenden Verständnis des Wertflusses. Indem sie bewiesen haben, dass jede Transaktion eine eindeutige, kanonische Form besitzt, haben die Forscher ein Fundament geschaffen, auf dem Fragen zu Strategiefamilien und Bot-Verhalten mit mathematischer Gewissheit beantwortet werden können. Sie haben demonstriert, dass Arbitrage nicht nur eine Sammlung bekannter Tricks ist, sondern eine strukturelle Eigenschaft von Geldflüssen, die detektiert werden kann, ohne die spezifischen Protokolle kennen zu müssen. Die Fähigkeit des Systems, verborgene Strategien und gescheiterte Versuche aufzudecken, deutet darauf an, dass das wahre Volumen des automatisierten Handels auf der Blockchain signifikant höher ist als bisher gemessen, getrieben durch ein diverses Ökosystem von Bots, die auf eine Weise operieren, die Standard-Pattern-Matching-Tools nicht erfassen können. Die Ergebnisse bieten eine neue Linse für die forensische Analyse, die es Ermittlern ermöglicht, den exakten Pfad der Gelder zu verfolgen und die Mechanik der Profitextraktion mit einer Klarheit zu verstehen, die zuvor unmöglich war.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.