A cross-protocol dataset of blockchain oracle incentives and accountability
Cet article présente un ensemble de données trans-protocoles complet qui standardise et reconstruit les résultats économiques et les registres de responsabilité des oracles de blockchain afin de permettre la recherche comparative sur les incitations, la résolution des litiges et la responsabilité financière à travers huit branches d'oracles différentes.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez un monde où des programmes informatiques peuvent prendre des décisions basées sur des événements du monde réel, comme le prix d'une action ou le résultat d'un match de sport, mais où les ordinateurs eux-mêmes ne peuvent pas voir le monde extérieur. Pour combler ce fossé, un système spécial appelé « oracle » agit comme un messager, apportant des informations extérieures dans le registre numérique. Ces messagers ne sont pas seulement des tuyaux passifs ; ils sont gérés par des personnes et des organisations qui engagent leur propre argent pour garantir l'exactitude de l'information. S'ils mentent ou commettent une erreur, ils perdent leur argent. S'ils ont raison, ils gagnent une récompense. Ce système repose sur la confiance, mais à l'ère numérique, la confiance doit être bâtie sur des preuves vérifiables et des règles claires sur qui est payé et qui est puni.
Pendant des années, des chercheurs ont voulu étudier l'efficacité de ces systèmes, mais ils ont été confrontés à un problème frustrant. Les registres de ces transactions sont publics, pourtant, ils sont écrits d'une manière qui rend presque impossible la comparaison d'un système à un autre. Un paiement dans un système peut ressembler à une récompense, tandis que dans un autre, il ressemble au retour d'un dépôt. Une pénalité peut être enregistrée comme une promesse de paiement ultérieur, ou comme une perte immédiate. Sans un moyen de traduire ces différentes langues, les scientifiques ne pouvaient pas mesurer la véritable santé économique de ces réseaux ni comprendre comment bien ils respectent leurs promesses.
Une équipe de chercheurs a maintenant résolu ce casse-tête en créant un ensemble de données massif et unifié qui traduit les registres de huit systèmes d'oracles différents en un langage unique et compréhensible. Ils n'ont pas seulement collecté des données ; ils ont reconstruit l'histoire de chaque transaction, en distinguant soigneusement l'argent qui a été promis, l'argent qui a été réellement gagné et l'argent qui a été perdu. Leur travail couvre plus de cent millions d'observations spécifiques de responsabilité, suivant le parcours de milliards de dollars d'actifs numériques à travers cinq systèmes majeurs et trois plus petits. Le résultat est une carte claire du comportement de ces messagers numériques, montrant exactement quand ils sont récompensés, quand ils sont pénalisés, et quand le système est simplement incapable de déterminer ce qui s'est passé.
L'équipe s'est concentrée sur huit branches distinctes de cette technologie, incluant cinq systèmes majeurs qui gèrent des litiges complexes et trois autres qui se concentrent sur des parties spécifiques du processus. Ils ont rassemblé les registres depuis le début de la vie de ces systèmes jusqu'à une date de coupure spécifique à la mi-2026. Au total, ils ont organisé plus de cent millions d'observations typées, qui sont des enregistrements individuels d'un événement, tel qu'une demande de données, un rapport d'un messager ou un vote lors d'un litige. Ils ont également identifié plus de vingt-deux millions de composantes économiques, qui sont les éléments financiers spécifiques de ces événements, comme un calcul de récompense ou une évaluation de pénalité. Crucialement, ils ont filtré ces données pour arriver à près de dix-neuf millions de registres où l'argent a réellement changé de mains ou où une pénalité a été véritablement appliquée, séparant les promesses théoriques des résultats réalisés.
Pour donner du sens à cette montagne de données, l'équipe a dû agir comme des experts-comptables judiciaires. Ils ont réalisé qu'un simple transfert d'argent sur une blockchain ne signifie pas toujours un profit. Parfois, un transfert est simplement un retour de dépôt, et parfois, une pénalité est calculée mais jamais réellement prélevée. Les chercheurs ont construit un processus étape par étape pour reconstruire la vie de chaque transaction. Ils ont commencé par lire les journaux de code bruts des différents réseaux, puis ont assemblé la séquence des événements pour voir comment une demande d'information s'est transformée en un rapport, un litige, et finalement en un paiement ou une perte. Ils ont prêté une attention particulière aux règles de chaque système spécifique, s'assurant qu'une « récompense » dans un système ne soit pas confondue avec un « frais » dans un autre.
L'une des découvertes les plus importantes de leur travail est la différence entre ce qui est revendiqué et ce qui est réel. Dans beaucoup de ces systèmes, un participant peut avoir droit à une récompense, mais s'il ne la réclame pas, l'argent reste là, non collecté. Les chercheurs se sont assurés que leurs données distinguaient l'argent qui était simplement dû de l'argent qui a été réellement versé. Ils ont également séparé le retour du propre capital d'un participant du profit qu'il a réalisé. Cette distinction est vitale car elle change totalement l'image de ce que ces systèmes coûtent ou rapportent réellement. Par exemple, dans l'un des systèmes étudiés, ils ont découvert que 834 cas contestés avaient été mal classés lors de tentatives précédentes, où la récompense d'un gagnant a été omise ou une pénalité a été comptée deux fois. En corrigeant ces erreurs, ils ont fourni une vision beaucoup plus précise de la réalité financière.
L'équipe a également vérifié rigoureusement son travail pour s'assurer de sa fiabilité. Ils ont effectué des tests pour voir si les chiffres concordaient, comparant les paiements attendus avec l'argent réellement déplacé. Dans les systèmes où ils pouvaient tracer le chemin complet d'une transaction, les chiffres correspondaient parfaitement. Ils ont également créé un petit ensemble de cas de test pour voir si leurs données reconstruites pouvaient prédire des résultats futurs, comme si un litige serait gagné ou perdu. Leurs données ont mieux performé qu'un choix aléatoire, montrant que les modèles qu'ils ont découverts étaient réels et utiles. Cependant, ils ont pris soin de noter que leurs données reflètent les décisions prises par les systèmes eux-mêmes, et non un test indépendant de la véracité factuelle des informations dans le monde réel.
Cet ensemble de données n'est pas seulement une liste de chiffres ; c'est un outil qui permet aux chercheurs de poser de nouvelles questions sur le fonctionnement de ces économies numériques. Il révèle que, bien que les systèmes soient conçus pour être équitables, la manière dont ils enregistrent l'argent peut être déroutante et incohérente. En fournissant une vue claire et standardisée de ces processus, les chercheurs ont ouvert la voie à une compréhension plus profonde de la manière dont la confiance est maintenue à l'ère numérique. Ils ont démontré que, bien que la technologie soit complexe, les incitations économiques qui la pilotent peuvent être mesurées et comprises, à condition de prendre le temps de traduire les différentes langues en une histoire commune. Leur travail ne prétend pas avoir résolu tous les problèmes ou avoir trouvé toutes les vérités cachées, mais il a construit le premier fondement fiable pour comparer ces systèmes et comprendre leur véritable impact économique.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.