💻 computer science

FairDAG: Consensus Fairness over Multi-Proposer Causal Design

Questo articolo introduce FairDAG, un nuovo framework che integra protocolli di equità con il consenso basato su DAG per superare i limiti di throughput e manipolazione dei sistemi esistenti basati su leader, ottenendo così una superiore equità nell'ordinamento delle transazioni e nelle prestazioni nelle reti blockchain.

Autori originali: Dakai Kang, Junchao Chen, Tien Tuan Anh Dinh, Mohammad Sadoghi

Pubblicato 2026-01-30

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Dakai Kang, Junchao Chen, Tien Tuan Anh Dinh, Mohammad Sadoghi

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate un mercato digitale frenetico dove migliaia di persone cercano di comprare e vendere articoli esattamente nello stesso momento. In questo mercato, l'ordine in cui avvengono le transazioni conta immensamente. Se comprate un oggetto raro prima di qualcun altro, lo ottenete; se lo comprate dopo, potreste perderlo o pagare di più.

Nel mondo della blockchain (la tecnologia alla base delle criptovalute), esiste un problema: la persona incaricata di decidere l'ordine di queste transazioni (il "proponente del blocco") può essere un imbroglione. Può esaminare la lista, vedere una mossa redditizia e riorganizzare la fila per guadagnare a proprio favore, spingendo gli onesti in fondo alla coda. È come un cassiere che vede un cliente VIP arrivare e gli permette di saltare la fila, o peggio, riorganizza la fila in modo da poter vendere l'ultimo articolo al suo amico per primo.

Le soluzioni esistenti hanno cercato di risolvere il problema facendo affidare a un singolo "capo cassiere" (un leader) la raccolta delle preferenze di tutti e la decisione dell'ordine. Ma questo ha creato due nuovi problemi:

Il Collo di Bottiglia: Se il capo cassiere è lento o viene sopraffatto, l'intero negozio rallenta.
L'Imbroglio: Se quel capo cassiere è un imbroglione, può comunque truccare la fila perché è l'unico ad avere in mano la lista.

Entra in gioco FairDAG: La soluzione della "Fila di Gruppo"

Il documento presenta FairDAG, un nuovo modo di organizzare questo mercato. Invece di fare affidamento su un singolo capo cassiere, FairDAG utilizza un sistema a Multi-Proposer (Multi-Proponente). Immaginate un enorme, interconnesso web di cassieri (repliche) che urlano simultaneamente le proprie liste di transazioni.

Ecco come funziona, usando semplici analogie:

1. La Rete della Fiducia (DAG)

Inveve di una singola fila, immaginate una ragnatela (un Grafo Aciclico Diretto, o DAG). Ogni volta che un cassiere scrive una lista di transazioni, non la invia semplicemente a una persona; la attacca alle liste di diversi altri cassieri di cui ha sentito parlare di recente.

Perché questo aiuta: Se un cassiere cerca di nascondere una transazione o di imbrogliare, la ragnatela assicura che le liste di tutti gli altri vengano comunque connesse e confermino ciò che è realmente accaduto. Non è facile cancellare un filo dalla ragnatela senza che l'intera struttura se ne accorga.

2. Due modi per essere equi

Il documento propone due "regole" specifiche per ordinare la fila, a seconda di quanto si vuole essere rigorosi:

FairDAG-AB (La Regola Assoluta): Questa è come una rigorosa regola del "Primo arrivato, primo servito". Se tutti concordano che la Persona A è arrivata prima della Persona B, la Persona A deve andare per prima. Il sistema calcola un "numero di biglietto" specifico per ogni transazione basandosi su quando i cassieri onesti l'hanno vista. Anche se un imbroglione prova a rimescolare le carte, la matematica assicura che i numeri di biglietto onesti vincano.
FairDAG-RL (La Regola Relativa): Questa è un po' più flessibile, come una regola di "Raggruppamento". A volte, è impossibile sapere esattamente chi sia arrivato prima (come due persone che attraversano una porta contemporaneamente). Invece di lottare per l'istante esatto, questa regola le raggruppa insieme. Se il 90% dei cassieri onesti ha visto la Persona A prima della Persona B, allora A va prima di B. Se è un pareggio, vengono inseriti nello stesso "lotto". Questo è più veloce e gestisce meglio le situazioni disordinate.

3. Sconfiggere gli imbroglioni

Il documento dimostra che, poiché FairDAG utilizza una rete di molti cassieri invece di un singolo leader:

Gli imbroglioni non possono nascondersi: Un imbroglione non può semplicemente ignorare le liste delle persone oneste perché la struttura della ragnatela forza l'inclusione di tali liste.
Velocità: Poiché tutti urlano le proprie liste contemporaneamente, il sistema non si blocca aspettando una persona lenta. Elabora le transazioni molto più velocemente rispetto ai vecchi sistemi a "singolo leader".

I Risultati

Gli autori hanno testato il loro sistema contro metodi più vecchi (come Pompe e Themis). Hanno scoperto che:

È più veloce: FairDAG gestisce più transazioni al secondo (throughput) perché non ha un singolo collo di bottiglia.
È più equo: Anche quando gli imbroglioni cercano di manomettere l'ordine (invertendo le liste o ritardando transazioni specifiche), FairDAG mantiene l'ordine corretto molto meglio dei vecchi sistemi.
È robusto: Anche se la connessione internet è lenta o alcuni cassieri sono lenti a rispondere, il sistema continua a procedere senza bloccarsi.

In sintesi

FairDAG è come sostituire un singolo manager facilmente corrotto con un team di lavoratori democratici e interconnessi. Facendo sì che tutti urlino le proprie liste contemporaneamente e intrecciando queste liste in una ragnatela, il sistema rende quasi impossibile per un malintenzionato truccare l'ordine, pur mantenendo la fila veloce. Risolve la "crisi della manipolazione dell'ordine" rendendo il sistema troppo grande e troppo connesso per essere controllato da un singolo imbroglione.

Riassunto Tecnico: FairDAG: Consenso Equo su Design Causale Multi-Proposer

1. Definizione del Problema

L'ascesa della finanza decentralizzata (DeFi) ha messo in luce una vulnerabilità critica nell'ordinamento delle transazioni blockchain: il Maximal Extractable Value (MEV). I propositor di blocchi avversari possono manipolare l'ordine delle transazioni per eseguire attacchi di front-running, attacchi sandwich o manipolazioni di liquidazione, estraendo profitti a spese degli altri partecipanti.

I protocolli di equità esistenti, come Pompe e Themis, tentano di mitigare questo problema aggregando gli ordinamenti locali delle transazioni da un quorum di repliche per derivare un ordine globale. Tuttavia, questi protocolli si affidano al consenso basato su leader (ad es. PBFT, HotStuff). Questa architettura introduce due limitazioni primarie:

Collo di bottiglia del Single-Point-of-Failure: Un singolo leader raccoglie gli ordinamenti locali. Se il leader è Byzantine, può raccogliere selettivamente gli ordinamenti per manipolare la sequenza finale o censurare le transazioni. Anche se onesto, un singolo leader diventa un collo di bottiglia delle prestazioni man mano che la complessità dei messaggi cresce quadraticamente con il numero di partecipanti.
Vulnerabilità alla Manipolazione: Un leader Byzantine può escludere gli ordinamenti locali di specifiche repliche corrette, riducendo la dimensione effettiva del quorum e rendendo più facile manipolare le dipendenze delle transazioni o ritardare transazioni specifiche.

Il documento sostiene che un protocollo di equità ben progettato deve garantire la resilienza contro la manipolazione dell'ordinamento, minimizzare il requisito dei partecipanti corretti e mantenere alte prestazioni (throughput e bassa latenza).

2. Metodologia: Il Framework FairDAG

Gli autori propongono FairDAG, un framework che disaccoppia lo strato di consenso dallo strato di equità, eseguendo i protocolli di equità sopra protocolli di consenso basati su DAG (ad es. Tusk, DAG-Rider, Bullshark).

Architettura Core

FairDAG opera in due strati distinti:

Strato DAG (Consenso): Utilizza un design multi-proposer in cui tutte le repliche propongono concorrentemente blocchi (vertici) in round. Questi vertici fanno riferimento a round precedenti, formando un Grafo Aciclico Diretto (DAG).
- Design Multi-Proposer: Elimina il collo di bottiglia del singolo leader, permettendo la proposta parallela di blocchi e un throughput più elevato.
- Proprietà di Validità: La struttura causale del DAG garantisce che se una replica corretta trasmette un vertice, tutte le repliche corrette lo commettono eventualmente. Ciò impedisce ai leader Byzantine di ignorare selettivamente gli ordinamenti provenienti da repliche corrette.
Strato di Equità (Fairness Layer): Elabora gli ordinamenti locali commessi (sub-DAG) provenienti dallo strato DAG per generare un ordinamento finale ed equo delle transazioni.

Varianti del Protocollo

Il documento introduce due varianti di FairDAG, ciascuna delle quali garantisce una diversa proprietà di equità:

A. FairDAG-AB (Absolute Fairness - Equità Assoluta)

Obiettivo: Garantisce l'Ordering Linearizability (Linearizzabilità dell'Ordinamento). Se tutte le repliche corrette ricevono la transazione $T_1$ prima di $T_2$ , $T_1$ deve essere ordinata prima di $T_2$ .
Meccanismo:
- Ogni transazione riceve un Assigned Ordering Indicator (AOI).
- Il protocollo utilizza un Ordering Indicator Manager (OIM) per tracciare gli indicatori di ordinamento visti e commessi.
- Per gestire la latenza del commit del DAG, calcola un Lowest Possible AOI (LPAOI) per le transazioni non ancora commesse. Una transazione viene finalizzata solo se il suo AOI è strettamente inferiore all'LPAOI di tutte le altre transazioni pendenti.
- L'ordine finale è determinato ordinando le transazioni in base ai loro AOI.

B. FairDAG-RL (Relative Fairness - Equità Relativa)

Obiettivo: Garantisce la $\gamma$ -Batch-Order-Fairness. Se una frazione $\gamma$ di repliche corrette riceve $T_1$ prima di $T_2$ , allora $T_1$ è ordinata non oltre $T_2$ .
Meccanismo:
- Costruisce un Dependency Graph (Grafo di Dipendenza) dove i nodi sono le transazioni e gli archi rappresentano le preferenze di ordinamento derivate dagli ordinamenti locali.
- Ottimizzazione della Soglia: A differenza dei protocolli guidati dal leader (Themis) che si affidano a $n-2f$ ordinamenti commessi (a causa dell'esclusione del leader), FairDAG-RL sfrutta la proprietà di validità del DAG per garantire che almeno $n-f$ ordinamenti siano commessi. Di conseguenza, eleva la soglia di creazione degli archi da $\frac{n-2f}{2}$ a $\frac{n-f}{2}$ .
- Condensazione del Grafo: Il protocollo identifica le Componenti Fortemente Connesse (SCC) nel grafo di dipendenza. Finalizza l'ordinamento dei nodi "solidi" (quelli con sufficienti ordinamenti commessi) e riaggiunge i nodi "ombreggiati" (shaded) in grafi successivi finché non diventano solidi.
- Questo approccio riduce il numero minimo di repliche corrette richieste per garantire l'equità (ad es. richiedendo $n > 3f$ invece di $n > 4f$ per $\gamma=1$ ).

3. Contributi Chiave

Framework Innovativo: La proposta di FairDAG, il primo framework che integra protocolli di equità con il consenso multi-proposer basato su DAG, affrontando le vulnerabilità di throughput e manipolazione dei sistemi basati su leader.
FairDAG-AB: Un protocollo di equità assoluta che garantisce l'Ordering Linearizability utilizzando un meccanismo LPAOI adattivo compatibile con le regole di commit del DAG.
FairDAG-RL: Un protocollo di equità relativa che migliora rispetto a Themis sfruttando la validità del DAG per abbassare la soglia di costruzione del grafo di dipendenza, riducendo così il requisito di partecipanti corretti e migliorando le prestazioni.
Nuove Regole di Costruzione del DAG: Introduzione di regole specifiche (ad es. inclusione di archi deboli per le repliche più lente, mantenimento di archi forti verso i precedenti vertici locali) per garantire che le proprietà di equità siano preservate contro i partecipanti avversari.
Valutazione Esaustiva: Prove analitiche estese di sicurezza, liveness ed equità, insieme alla validazione sperimentale.

4. Risultati Sperimentali

Gli autori hanno implementato FairDAG in Apache ResilientDB e l'hanno confrontato con i baseline: PBFT, Pompe, Themis, RCC e Tusk.

Throughput:
- FairDAG supera significativamente i protocolli di equità basati su leader (Pompe e Themis).
- FairDAG-AB ha ottenuto un throughput dal 30,2% al 52,6% superiore rispetto a Pompe.
- FairDAG-RL ha ottenuto un throughput dal 5,1% al 7,5% superiore rispetto a Themis nelle configurazioni a singola regione, con guadagni che aumentano al 42,1% nelle configurazioni geo-distribuite grazie alla robustezza del sottostante consenso DAG.
Latenza:
- FairDAG-AB ha una latenza leggermente superiore a Pompe (a causa della latenza di commit sottostante di Tusk) ma rimane competitiva.
- FairDAG-RL dimostra una latenza inferiore rispetto a Themis all'aumentare del numero di repliche difettose ( $f$ ), poiché Themis richiede più repliche corrette per garantire l'equità, aumentando l'overhead.
Resilienza al Comportamento Avversario:
- Fallimento del Leader: Negli esperimenti in cui il leader è stato reso difettoso, Pompe e Themis hanno subito cali di throughput durante i view-change. Le varianti FairDAG non hanno mostrato degradazione delle prestazioni grazie al design multi-proposer.
- Manipolazione dell'Ordinamento: Sotto attacchi di "Reversing Order" (Inversione dell'Ordine) e "Targeted Delay" (Ritardo Mirato) da parte di repliche Byzantine, FairDAG-AB e FairDAG-RL hanno mantenuto costantemente un rapporto più elevato di coppie di transazioni correttamente ordinate rispetto a Pompe e Themis. La proprietà di validità del livello DAG ha mitigato efficacemente la capacità degli attori Byzantine di escludere selettivamente gli ordinamenti.

5. Significato e Rivendicazioni

Il documento afferma che FairDAG rappresenta un avanzamento significativo nell'equità dei blockchain risolvendo il compromesso tra prestazioni ed equità inerente ai sistemi basati su leader.

Resilienza: Rimuovendo il singolo leader, FairDAG impedisce agli avversari di manipolare l'ordine finale attraverso la raccolta selettiva degli ordinamenti locali.
Efficienza: Il design multi-proposer allevia il collo di bottiglia del throughput, permettendo ai protocolli di equità di scalare meglio con la dimensione della rete e il carico di lavoro.
Riduzione dei Requisiti: La proprietà di validità dei DAG permette a FairDAG-RL di raggiungere garanzie di equità con meno partecipanti corretti rispetto ai protocolli allo stato dell'arte basati su leader come Themis.

Gli autori concludono che FairDAG limita efficacemente la manipolazione avversaria dell'ordinamento delle transazioni, ottenendo al contempo prestazioni superiori sia in condizioni normali che avversarie, rendendolo una soluzione valida per l'ordinamento equo delle transazioni nella finanza decentralizzata e in altre applicazioni blockchain critiche.