💻 computer science

A Tattered Cloak of Invisibility: Measuring Anonymity Loss in Railgun on Ethereum

यह शोध पत्र यह प्रदर्शित करता है कि एथेरियम पर रेलगन (Railgun) की मजबूत क्रिप्टोग्राफिक नींव के बावजूद, उपयोगकर्ता व्यवहार संबंधी पैटर्न जैसे कि समय (timing), एड्रेस का पुन: उपयोग (address reuse), और लेनदेन की राशि, गुमनामी (anonymity) से समझौता कर सकते हैं, जिससे ह्यूरिस्टिक्स (heuristics) 17.65% निकासी (withdrawals) को जमा (deposits) से विशिष्ट रूप से जोड़ने में सक्षम हो जाते हैं और इसके परिणामस्वरूप 3.42 बिट्स का औसत गुमनामी नुकसान होता है।

मूल लेखक: Kanan Huseynov, Ali Shahzaib, István András Seres, János Tapolcai

प्रकाशित 2026-06-25

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Kanan Huseynov, Ali Shahzaib, István András Seres, János Tapolcai

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक विशाल, पारदर्शी बैंक में प्रवेश करते हैं जहाँ हर कोई आपका नाम, आपका बैलेंस और आपके द्वारा किया गया हर एक लेनदेन देख सकता है। अधिकांश पब्लिक ब्लॉकचेन (जैसे Ethereum) इसी तरह काम करते हैं। इसे ठीक करने के लिए, लोगों ने "मिक्सर" बनाए जैसे कि Railgun। Railgun को एक हाई-टेक, जादुई अदृश्यता के लबादे (cloak) के रूप में सोचें। आप अंदर जाते हैं, अपना पैसा सौंपते हैं, और लबादा आपके पैसे को हजारों अन्य लोगों के पैसे के साथ मिला देता है। जब आप बाहर निकलते हैं, तो आपको अपना पैसा वापस मिल जाता है, लेकिन सैद्धांतिक रूप से, किसी को पता नहीं होता कि आपने मूल रूप से पैसे का कौन सा ढेर डाला था।

आपके द्वारा प्रदान किया गया पेपर, जिसका शीर्षक "A Tattered Cloak of Invisibility" (अदृश्यता का एक फटा हुआ लबादा) है, एक सरल लेकिन डरावना सवाल पूछता है: क्या लबादा वास्तव में फटा हुआ है?

लेखक (हंगरी के शोधकर्ताओं की एक टीम) तर्क देते हैं कि हालांकि लबादे के पीछे का गणित एकदम सही है, लेकिन लोग जो इसे पहन रहे हैं वे अनाड़ी हैं। भले ही जादू दोषरहित हो, उपयोगकर्ता व्यवहार संबंधी पदचिह्न (footprints) छोड़ देते हैं जिससे ऑब्जर्वर्स उस लबादे को वापस सिल सकते हैं और पता लगा सकते हैं कि आप कौन हैं।

यहाँ बताया गया है कि उन्होंने लबादे में छेद कैसे खोजे, जिसे रोजमर्रा के उपमाओं (analogies) के माध्यम से समझाया गया है:

लबादे के फटने के पाँच तरीके

शोधकर्ताओं ने पाँच विशिष्ट तरीके पहचाने जिनसे उपयोगकर्ता अनजाने में अपनी पहचान उजागर कर देते हैं:

1. "वही दरवाज़ा" वाली गलती (Address Reuse)

उपमा: कल्पना कीजिए कि आप "जॉन" लेबल वाले सामने के दरवाजे से एक जादुई कमरे में प्रवेश करते हैं। आप अपना अदृश्यता का लबादा प्राप्त करते हैं, अपने पैसे को मिलाते हैं, और फिर ठीक उसी सामने के दरवाजे से बाहर निकलने का निर्णय लेते हैं जिस पर "जॉन" लिखा है।
वास्तविकता: डिजिटल दुनिया में, इसे Address Reuse कहा जाता है। यदि आप पैसा डालने और निकालने के लिए एक ही डिजिटल पते का उपयोग करते हैं, तो लबादा बेकार है। शोधकर्ताओं ने पाया कि लगभग 6% उपयोगकर्ताओं ने यह गलती की, जिससे उनका डिपॉजिट और विड्रॉल तुरंत आपस में जुड़ गए।

2. "दोस्ताना हाथ हिलाना" (Direct Transactions)

उपमा: आप जादुई कमरे में प्रवेश करते हैं, अपना लबादा प्राप्त करते हैं, और फिर तुरंत बाहर निकलकर अपने दोस्त को हाथ हिलाते हैं (जो कमरे के ठीक बाहर खड़ा है)। भले ही आप अंदर अदृश्य हों, वह हाथ हिलाना आपको अपने दोस्त से जोड़ देता है।
वास्तविकता: उपयोगकर्ता अक्सर अपने "डिपोजिट" एड्रेस से अपने "विड्रॉल" एड्रेस पर (या इसके विपरीत) गैस फीस देने या बैलेंस टॉप-अप करने के लिए पैसा भेजते हैं। यह एक सीधा डिजिटल हैंडशेक बनाता है। शोधकर्ताओं ने पाया कि यह लगभग 9% मामलों में हुआ।

3. "टैक्सी ड्राइवर" का रिसाव (Gas Payer Reuse)

उपमा: जादुई कमरे से बाहर निकलने के लिए, आपको एक टैक्सी ड्राइवर (एक "रिलेयर") को भुगतान करने की आवश्यकता है क्योंकि आपके पास नकद नहीं है। आमतौर पर, एक अजनबी आपको गाड़ी पहुँचाता है। लेकिन कभी-कभी, आप खुद गाड़ी चलाते हैं। यदि आप खुद गाड़ी चलाते हैं, तो आपकी लाइसेंस प्लेट (आपका डिपॉजिट एड्रेस) कार पर दिखाई देती है, जिससे पता चलता है कि आप कौन हैं।
वास्तविकता: विड्रॉल करते समय, आपको ट्रांजैक्शन फीस देनी पड़ती है। यदि आप इस फीस के लिए तीसरे पक्ष के "रिलेयर" का उपयोग नहीं करते हैं, तो आप इसे अपने स्वयं के डिपॉजिट एड्रेस से दे सकते हैं। शोधकर्ताओं ने पाया कि कई उपयोगकर्ताओं ने ऐसा किया, जिससे लगभग 2% विड्रॉल सीधे उनके डिपॉजिट से जुड़ गए।

4. "पहेली" (Knapsack Matching)

उपमा: कल्पना कीजिए कि आप मशीन में तीन विशिष्ट नोट डालते हैं: $5, $10 और$ 20। बाद में, आप ठीक $35 निकालते हैं। भले ही मशीन ने पैसे को मिला दिया हो, लेकिन तथ्य यह है कि$ 5 + $10 +$ 20 = $35 है, जो एक बहुत बड़ा सुराग है।
वास्तविकता: Railgun किसी भी राशि को डिपॉजिट करने की अनुमति देता है। यदि आप विशिष्ट मात्रा (जैसे 1.5 ETH और 2.3 ETH) जमा करते हैं और बाद में ठीक 3.8 ETH निकालते हैं, तो एक कंप्यूटर इस "गणित की पहेली" (जिसे नॉपसैक प्रॉब्लम कहा जाता है) को हल कर सकता है और अनुमान लगा सकता है कि आपका विड्रॉल उन्हीं विशिष्ट डिपॉजिट से आया है। यह हमेशा 100% मिलान नहीं देता है, लेकिन यह संदिग्धों की सूची को काफी हद तक कम कर देता है।

5. "फिंगरप्रिंट" (Amount Fingerprints)

उपमा: आप एक बहुत ही विशिष्ट, अजीब राशि डालते हैं, जैसे $12.3456789। जब आप इसे निकालते हैं, तो आप$ 12.3456789 (एक छोटी सी फीस घटाकर) निकालते हैं। संख्याओं का यह विशिष्ट क्रम एक अद्वितीय फिंगरप्रिंट की तरह है।
वास्तविकता: पुराने मिक्सर के विपरीत जो केवल गोल संख्याओं (जैसे ठीक $100) को स्वीकार करते थे, Railgun किसी भी संख्या को स्वीकार करता है। यदि आप एक "मनोवैज्ञानिक रूप से महत्वपूर्ण" (psychologically salient) संख्या (जैसे 1.234567) जमा करते हैं, तो आप उन विशिष्ट अंकों को विड्रॉल के समय भी बनाए रखने की प्रवृत्ति रखते हैं। शोधकर्ताओं ने पाया कि हालांकि यह अपने आप में एक पूर्ण लिंक नहीं था, लेकिन इसने अन्य सुरागों के साथ मिलकर काम किया।

बड़ा परिणाम

इन पाँचों सुरागों को मिलाकर, शोधकर्ता सभी विड्रॉल में से 17.65% को एक विशिष्ट डिपॉजिट से अनूअली लिंक करने में सक्षम रहे।

इसे इस तरह सोचिए: यदि 100 लोग अदृश्य कमरे में जाते हैं, तो गणित कहता है कि वे सभी समान रूप से गुमनाम होने चाहिए। लेकिन इन व्यवहार संबंधी गलतियों के कारण, शोधकर्ता आत्मविश्वास से कह सकते हैं, "हमें पक्का पता है कि व्यक्ति #17 वही है जो व्यक्ति #42 के रूप में बाहर निकला है।"

इसके अलावा, उन्होंने "गणित की पहेली" (knapsack problem) को हल करने के लिए एक कंप्यूटर प्रोग्राम का उपयोग किया। इसने हमेशा एक एकल उत्तर नहीं दिया, लेकिन इसने प्रत्येक लेनदेन के लिए "गुमनामी" (संभावित संदिग्धों की संख्या) को लगभग 3.4 बिट्स कम कर दिया। सरल शब्दों में, इसका अर्थ है कि संदिग्धों का पूल काफी छोटा हो गया, जिससे यह अनुमान लगाना बहुत आसान हो गया कि कौन कौन है।

"फास्ट-फॉरवर्ड" की समस्या (समय)

पेपर एक टाइमिंग इश्यू की ओर भी इशारा करता है। कई उपयोगकर्ता मिक्सर को एक त्वरित टनल (tunnel) की तरह मानते हैं: वे पैसा डालते हैं और लगभग तुरंत (अक्सर एक दिन के भीतर) उसे निकाल लेते हैं।

उपमा: यदि आप एक भीड़ भरे कमरे में प्रवेश करते हैं और 10 सेकंड बाद बाहर निकलते हैं, तो केवल कुछ ही लोग हो सकते हैं जो आप रहे होंगे। यदि आप एक महीने तक रुकते हैं, तो आप कोई भी हो सकते हैं।
वास्तविकता: शोधकर्ताओं ने पाया कि "मीडियन" (मध्यम) उपयोगकर्ता ने एक दिन से भी कम समय प्रतीक्षा की। यह छोटा सा अंतराल यह अनुमान लगाना अविश्वसनीय रूप से आसान बना देता है कि किसने क्या जमा किया, चाहे पूल में कितने भी लोग क्यों न हों।

आपको क्या करना चाहिए? (सलाह)

पेपर निष्कर्ष निकालता है कि गुमनाम रहने के लिए किसी भी व्यक्ति के लिए "क्या न करें" की एक सूची है:

कभी भी एक ही दरवाजा इस्तेमाल न करें: पैसा निकालने के लिए हमेशा एक नया एड्रेस इस्तेमाल करें।
दोस्तों को हाथ न हिलाएं: अपने डिपॉजिट और विड्रॉल एड्रेस के बीच पैसा न भेजें।
टैक्सी लें: हमेशा अपनी फीस भरने के लिए तीसरे पक्ष के "रिलेयर" का उपयोग करें ताकि आपका अपना एड्रेस बाहर निकलते समय दिखाई न दे।
अनुमानित न बनें: बिल्कुल समान राशि जमा और निकालें नहीं। इसमें विविधता लाएं, या पूल के भीतर कुछ आंतरिक लेनदेन (जैसे टोकन स्वैप करना) करें ताकि नंबरों को बिखेरा जा सके।
इंतज़ार करें: जल्दबाजी न करें। पूल में हफ्तों या महीनों तक रहें ताकि आपका विड्रॉल एक बड़े समूह में खो जाए।

निचोड़

पेपर का मुख्य संदेश यह है कि गोपनीयता केवल गणित के बारे में नहीं है; यह व्यवहार के बारे में है। भले ही "लबादा" सबसे मजबूत जादुई कपड़े से बना हो, लेकिन यदि आप इसे अपने दोस्तों को हाथ हिलाते हुए, सीधी रेखा में दौड़ते हुए, या कीचड़ में अपने पदचिह्न छोड़ते हुए पहनते हैं, तो लबादा आपको बचा नहीं पाएगा। शोधकर्ताओं ने जादू को नहीं तोड़ा; उन्होंने बस यह दिखाया कि कैसे उपयोगकर्ता अनजाने में खुद ही इस कपड़े को फाड़ रहे हैं।

तकनीकी सारांश: एक फटा हुआ अदृश्यता का लबादा: एथेरियम पर रेलगन (Railgun) में गुमनामी के नुकसान को मापना

1. समस्या विवरण (Problem Statement)

जबकि एथेरियम पर रेलगन जैसे क्रिप्टोग्राफिक गोपनीयता प्रोटोकॉल जमा (deposit) और निकासी (withdrawal) लेनदेन के बीच के संबंध को छिपाने के लिए ज़ीरो-नॉलेज प्रूफ का उपयोग करते हैं, उपयोगकर्ताओं को मिलने वाली व्यावहारिक गुमनामी अक्सर व्यवहार संबंधी रिसाव (behavioral leakage) से समझौता कर दी जाती है। पारंपरिक बैंकिंग के विपरीत, जहाँ लेनदेन का इतिहास निजी होता है, सार्वजनिक ब्लॉकचेन लेनदेन की राशि, समय और ग्राफ संबंधों को उजागर करते हैं। लेखक तर्क देते हैं कि भले ही अंतर्निहित क्रिप्टोग्राफिक प्रोटोकॉल सुरक्षित हो, उपयोगकर्ता व्यवहार—जैसे कि समय के पैटर्न, एड्रेस का पुन: उपयोग, और विशिष्ट लेनदेन राशि—प्रभावी गुमनामी सेट (anonymity set) को काफी कम कर सकते हैं। यह शोध इस बात की जांच करता है कि ये व्यवहार संबंधी निशान किस हद तक एक हमलावर को रेलगन के शील्डेड पूल में एक विशिष्ट निकासी को उसके संगत जमा लेनदेन से अनुमानित रूप से जोड़ने की अनुमति देते हैं।

2. कार्यप्रणाली (Methodology)

यह अध्ययन एक निष्क्रिय हमलावर मॉडल (passive adversary model) का उपयोग करता है, जो केवल एथेरियम लेयर-1 ब्लॉकचेन से उपलब्ध सार्वजनिक डेटा का उपयोग करता है। लेखकों ने रेलगन लेनदेन (जमा, निकासी, आंतरिक स्थानांतरण और स्वैप) का एक व्यापक डेटासेट एकत्र किया जो मई 2026 तक का है। उन्होंने जमा लेनदेन ( $d_i$ ) और निकासी लेनदेन ( $w_j$ ) के बीच संभावित लिंक की पहचान करने के लिए पांच अलग-अलग ह्यूरिस्टिक्स (heuristics) तैयार किए:

एड्रेस पुन: उपयोग (Address Reuse - H1): उन लिंक्स की पहचान करता है जहाँ निकासी पता पिछले जमा पते के समान है। यह ह्यूरिस्टिक नियतात्मक (deterministic) है और परिभाषा के अनुसार शून्य गलत सकारात्मक (false positives) उत्पन्न करता है।
प्रत्यक्ष लेनदेन संबंधी जुड़ाव (Direct Transactional Linkage - H2): उन लिंक्स का पता लगाता है जहाँ जमा पते और निकासी पते के बीच ऑन-चेन लेनदेन मौजूद है (दोनों दिशाओं में), जो अक्सर तब होता है जब उपयोगकर्ता गैस शुल्क को कवर करने के लिए अपने जमा पते से निकासी पते में धनराशि भेजते हैं।
गैस पेयर एड्रेस पुन: उपयोग (Gas Payer Address Reuse - H3): निकासी लेनदेन के प्रेषक का विश्लेषण करता है। यदि कोई उपयोगकर्ता तीसरे पक्ष के रिलेयर (relayer) के बजाय अपना स्वयं का निकासी प्रसारण (self-broadcast) करता है, और गैस भुगतान करने वाला पता एक ज्ञात जमाकर्ता से मेल खाता है, तो एक लिंक स्थापित हो जाता है।
नैपसैक मैचिंग (Knapsack Matching - H4): इस समस्या को सबसेट सम (subset sum/knapsack) समस्या के रूप में देखता है। यह पूर्व जमा राशियों के एक ऐसे उपसमुच्चय (subset) को खोजने का प्रयास करता है जिनका योग एक विशिष्ट निकासी राशि (शुल्क के लिए $\epsilon$ टॉलरेंस के भीतर) के बराबर हो। लेखकों ने इन उदाहरणों को कुशलतापूर्वक हल करने के लिए पिसिंगर (Pisinger) के डायनेमिक प्रोग्रामिंग एल्गोरिदम को अनुकूलित किया।
राशि फिंगरप्रिंट (Amount Fingerprints - H5): लेनदेन राशियों के दशमलव विस्तार (decimal expansion) की जांच करता है। यह अद्वितीय "फिंगरप्रिंट" (विशेष रूप से पहले तीन गैर-शून्य भिन्नात्मक अंक) की तलाश करता है जो जमा और निकासी के बीच संरक्षित रहते हैं, यह मानते हुए कि उपयोगकर्ता अपने लेनदेन मूल्यों को पूरी तरह से रैंडमाइज नहीं करते हैं।

अध्ययन ने फंड के पूल में औसत निवास समय (residence time) का अनुमान लगाने के लिए लिटिल के नियम (Little's Law) का उपयोग किया और जमा तथा निकासी के बीच समय अंतराल के वितरण का विश्लेषण किया।

3. मुख्य योगदान (Key Contributions)

व्यवहार संबंधी रिसाव परिप्रेक्ष्य (Behavioral Leakage Perspective): यह शोध क्रिप्टोग्राफिक कमजोरियों से ध्यान हटाकर प्रोटोकॉल डिजाइन और उपयोगकर्ता व्यवहार के बीच की अंतःक्रिया पर केंद्रित करता है, यह प्रदर्शित करते हुए कि कैसे साइड-चैनल जानकारी गुमनामी को कम करती है।
ह्यूरिस्टिक ढांचा (Heuristic Framework): लेखक पांच विशिष्ट ह्यूरिस्टिक्स (H1–H5) पेश करते हैं और उन्हें औपचारिक रूप देते हैं जो रेलगन की लचीली प्रकृति के अनुकूल हैं, जो टोरनैडो कैश (Tornado Cash) जैसे निश्चित-डेनोमिनेशन वाले मिक्सर के विपरीत, मनमानी राशि और आंतरिक लेनदेन का समर्थन करता है।
अनुभवजन्य माप (Empirical Measurement): यह अध्ययन रेलगन में गुमनामी के नुकसान का पहला बड़े पैमाने पर माप प्रदान करता है, जो अवलोकन योग्य ऑन-चेन डेटा के आधार पर प्रभावी गुमनामी सेट में कमी को मापता है।
ओपन-सोर्स रिलीज़ (Open-Source Release): लेखकों ने गोपनीयता मापन में आगे के शोध को सुगम बनाने के लिए एकत्र किया गया डेटासेट और विश्लेषण कोड जारी किया है।

4. परिणाम (Results)

रेलगन डेटासेट पर इन ह्यूरिस्टिक्स के अनुप्रयोग से निम्नलिखित निष्कर्ष प्राप्त हुए:

लिंकेज दर (Linkage Rate): पहले चार ह्यूरिस्टिक्स (H1–H4) ने सभी निकासी लेनदेन में से 17.65% को सफलतापूर्वक एक एकल जमा लेनदेन से जोड़ा। विशेष रूप से:
- H1 (एड्रेस पुन: उपयोग) ने 6.10% निकासी को जोड़ा।
- H2 (डायरेक्ट Tx लिंक) ने 8.98% निकासी को जोड़ा।
- H3 (गैस पेयर पुन: उपयोग) ने 2.20% निकासी को जोड़ा।
- H4 (नैपसैक मैचिंग) ने 4.41% निकासी को जोड़ा।
समय संवेदनशीलता (Timing Sensitivity): जुड़े हुए जोड़ों के लिए जमा और निकासी के बीच का मध्यमान (median) समय 0.84 दिन था, जो यह दर्शाता है कि उपयोगकर्ताओं का एक महत्वपूर्ण हिस्सा पूल को एक दीर्घकालिक गोपनीयता उपकरण के बजाय एक साधारण मिक्सर के रूप में उपयोग करता है। यह तीव्र चक्र प्रभावी गुमनामी सेट को काफी कम कर देता है।
नैपसैक विश्लेषण (Knapsack Analysis): नैपसैक सॉल्वर ने निकासी लेनदेन के लिए 3.42 बिट्स का मध्यमान गुमनामी नुकसान उत्पन्न किया, जिसका अर्थ है कि धन के स्रोत के संबंध में अनिश्चितता इस मात्रा से कम हो गई।
फिंगरप्रिंटिंग (Fingerprinting): हालांकि कोलमोगोरोव-स्मिरनोव टेस्ट (Kolmogorov–KS test) ने राशि फिंगरप्रिंट में सांख्यिकीय अंतर दिखाया, लेखकों ने पाया कि ट्रांजेक्शन फीस और वैश्विक राउंडिंग प्रभावों के कारण भिन्नात्मक राशि फिंगरप्रिंट (H5) स्टैंडअलोन डी-एनोनिमाइजेशन के लिए पर्याप्त विश्वसनीय नहीं थे।
पूल उपयोग (Pool Usage): मापन के समय केवल 15.00% जमा ETH शील्डेड पूल में बचा हुआ था, जिससे पता चलता है कि अधिकांश उपयोगकर्ता जल्दी निकासी करते हैं। अनुमानित औसत निवास समय लगभग 183 दिन था, लेकिन मध्यमान व्यवहार बहुत तेज़ था।

5. महत्व और दावे (Significance and Claims)

यह शोध दावा करता है कि जबकि रेलगन अनलिंकेबिलिटी (unlinkability) की एक मजबूत क्रिप्टोग्राफिक गारंटी प्रदान करता है, व्यावहारिक गोपनीयता व्यवहार के कारण काफी कमजोर है। लेखक जोर देते हैं कि:

गुमनामी पूर्ण नहीं है: बड़े नाममात्र गुमनामी सेटों में भी, व्यवहार संबंधी पैटर्न संभावित मूल (origin) को एक उपयोगकर्ता या एक बहुत छोटे समूह तक सीमित कर सकते हैं।
प्रोटोकॉल बनाम व्यवहार: दस्तावेजीकृत गुमनामी का नुकसान स्वयं ज़ीरो-नॉलेज प्रूफ सिस्टम की विफलता के कारण नहीं, बल्कि प्रोटोकॉल और उपयोगकर्ता व्यवहार के बीच की अंतःक्रिया से उत्पन्न होता है।
कार्यवाही योग्य अंतर्दृष्टि (Actionable Insights): अध्ययन उपयोगकर्ताओं को अपनी गोपनीयता में सुधार करने के लिए विशिष्ट सिफारिशें प्रदान करता है, जैसे कि हमेशा तीसरे पक्ष के रिलेयर्स का उपयोग करना, एड्रेस पुन: उपयोग से बचना, निकासी से पहले अधिक समय तक प्रतीक्षा करना, और मनोवैज्ञानिक रूप से उल्लेखनीय या राउंड ट्रांजेक्शन राशियों से बचना।
डिजाइन निहितार्थ (Design Implications): लेखक सुझाव देते हैं कि भविष्य के गोपनीयता प्रोटोकॉल को पहचाने गए विशिष्ट लीकेज चैनलों (H4 और H5) को कम करने के लिए न्यूनतम निवास समय लागू करना चाहिए या निश्चित-डेनोमिनेशन टियर्स (fixed-denomination tiers) की पेशकश करनी चाहिए।

लेखक निष्कर्ष निकालते हैं कि उनका कार्य गोपनीयता-बढ़ाने वाले बुनियादी ढांचे की "नाजुक स्थिति" को उजागर करता है, जहाँ प्रणाली की उपयोगिता (लचीलापन, गति) अक्सर पूर्ण गुमनामी के आदर्श के साथ संघर्ष करती है। वे स्पष्ट रूप से कहते हैं कि उनके निष्कर्ष वास्तविक दुनिया की पहचानों की पहचान नहीं करते हैं, बल्कि किसी भी निष्क्रिय ब्लॉकचेन विश्लेषक के लिए उपलब्ध संभाव्य लिंक (probabilistic links) को प्रदर्शित करते हैं।