💻 computer science

FairDAG: Consensus Fairness over Multi-Proposer Causal Design

本文介绍了 FairDAG，这是一个将公平性协议与基于 DAG 的共识机制相结合的新型框架，旨在克服现有基于领导者系统的吞吐量和操纵限制，从而在区块链网络中实现卓越的交易排序公平性和性能。

原作者： Dakai Kang, Junchao Chen, Tien Tuan Anh Dinh, Mohammad Sadoghi

发布于 2026-01-30

📖 1 分钟阅读☕ 轻松阅读

原作者： Dakai Kang, Junchao Chen, Tien Tuan Anh Dinh, Mohammad Sadoghi

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个繁忙的数字市场，成千上万的人正试图在同一时刻买卖商品。在这个市场中，交易发生的顺序至关重要。如果你在别人之前买到了稀有物品，你就得到了它；如果你在之后才买，你可能会错失良机或支付更高的价格。

在区块链的世界里（这是加密货币背后的技术），存在着一个问题：负责决定这些交易顺序的人（“区块提议者”）可能会作弊。他们可以查看清单，看到一个有利可图的操作，然后重新排列顺序以谋取私利，从而把诚实的人挤到后面。这就像是一个店里的收银员，看到一位 VIP 顾客走过来，就让他们插队，或者更糟，重新排列队伍，以便先让他的朋友买到最后一件商品。

现有的解决方案试图解决这个问题，它们通过一个单一的“首席收银员”（领导者）来收集所有人的偏好并决定顺序。但这产生了两个新问题：

瓶颈问题： 如果首席收银员动作缓慢或不堪重负，整个商店的速度就会慢下来。
作弊问题： 如果这个首席收银员是个骗子，由于只有他手里拿着清单，他仍然可以操纵队伍。

走进 FairDAG：一种“群体排队”方案

这篇论文介绍了一种组织这个市场的新方法：FairDAG。它不再依赖于单一的首席收银员，而是使用了一个**多提议者（Multi-Proposer）**系统。你可以把它想象成一个巨大的、相互连接的收银员网络（副本），他们同时大声喊出各自的交易清单。

以下是它的工作原理，使用简单的类比：

1. 信任之网 (DAG)

与其使用单一的队列，不如想象一个蜘蛛网（有向无环图，简称 DAG）。每当一名收银员写下一份交易清单时，他们不仅仅是把清单发给一个人，而是将他们的清单附着在他们最近听到的好几位其他收银员的清单上。

为什么这有帮助： 如果一名收银员试图隐藏某项交易或进行欺诈，这个网络结构能确保其他人的清单最终会相互连接并确认到底发生了什么。你无法轻易地从网中删除一条线索，否则整个结构都会察觉到。

2. 两种公平的方式

论文提出了两种具体的“规则”来对队伍进行排序，具体取决于你想要多么严格：

FairDAG-AB（绝对规则）： 这就像是一个严格的“先到先得”规则。如果大家都同意 A 在 B 之前到达，那么 A 必须先行。系统会根据诚实收银员看到交易的时间，为每笔交易计算出一个特定的“票号”。即使作弊者试图洗牌，数学逻辑也能确保诚实的票号胜出。
FairDAG-RL（相对规则）： 这更具灵活性，类似于一种“分组”规则。有时，很难确定谁先到达（比如两个人同时走进门）。与其争论精确的先后顺序，不如将他们归为一组。如果 90% 的诚实收银员看到 A 在 B 之前，那么 A 就在 B 之前。如果情况难以判定，则将他们放在同一个“批次”中。这种方式更快，且能更好地处理混乱的情况。

3. 打败骗子

论文展示了由于 FairDAG 使用的是由许多收银员组成的网络而非单一领导者：

作弊者无法隐藏： 作弊者无法仅仅忽略诚实的人的清单，因为网络结构强制要求这些清单最终必须被包含进来。
速度快： 由于每个人都在同时喊出他们的清单，系统不会因为等待某一个慢速的人而停滞不前。它处理交易的速度比旧有的“单一领导者”系统要快得多。

结果

作者将他们的系统与旧方法（如 Pompe 和 Themis）进行了对比测试。他们发现：

速度更快： FairDAG 处理每秒交易量（吞吐量）更高，因为它没有单一的瓶颈。
更加公平： 即便作弊者试图干扰顺序（通过反转列表或延迟特定交易），FairDAG 保持正确顺序的能力也比旧系统强得多。
更具鲁棒性： 即便互联网速度变慢或某些收银员响应缓慢，系统仍能继续运行而不会崩溃。

总结

FairDAG 就像是用一个民主的、相互连接的工作人员团队，取代了一个容易被收买的单一经理。通过让每个人同时喊出他们的清单，并将这些清单编织成一张网，该系统使得坏人几乎不可能操纵顺序，同时也保持了高效的运转。它通过让系统变得足够庞大且连接紧密，从而解决了“顺序操纵危机”。

技术摘要：FairDAG：基于多提议者因果设计的共识公平性

1. 问题陈述

去中心化金融（DeFi）的兴起凸显了区块链交易排序中的一个关键漏洞：最大可提取价值（MEV）。对抗性区块提议者可以通过操纵交易顺序来执行抢跑（front-running）、夹层攻击（sandwich attacks）或清算操纵，从而以牺牲其他参与者的利益为代价获取利润。

现有的公平协议（如 Pompe 和 Themis）试图通过聚合来自法定人数（quorum）副本的局部交易排序来推导出全局顺序，以缓解这一问题。然而，这些协议依赖于基于领导者的共识（例如 PBFT、Hot Stuff）。这种架构引入了两个主要局限性：

单点故障瓶颈： 单个领导者负责收集局部排序。如果领导者是拜占庭节点的，他们可以有选择性地收集排序信息，从而操纵最终序列或审查交易。即使领导者是诚实的，单个领导者也会随着消息复杂度呈二次方增长而成为性能瓶颈。
易受操纵性： 拜占庭领导者可以排除来自特定正确副本的局部排序，从而减少有效法定人数规模，使操纵交易依赖关系或延迟特定交易变得更加容易。

本文认为，一个设计良好的公平协议必须实现对排序操纵的抵御能力、最小化对正确参与者的需求，并保持高性能（高吞吐量和低延迟）。

2. 方法论：FairDAG 框架

作者提出了 FairDAG 框架，该框架将公平性层与共识层解耦，在 基于 DAG 的共识协议（如 Tusk、DAG-Rider、Bullshark）之上运行公平性协议。

核心架构

FairDAG 分为两个不同的层级运行：

DAG 层（共识）： 采用多提议者设计，所有副本在各轮中并发地提议区块（顶点）。这些顶点引用前一轮的顶点，形成一个有向无环图（DAG）。
- 多提议者设计： 消除了单领导者瓶颈，允许并行区块提议并提高吞吐量。
- 有效性属性（Validity Property）： DAG 的因果结构确保了如果一个正确副本广播了一个顶点，所有正确副本最终都会提交它。这防止了拜占庭领导者选择性忽略来自正确副本的排序信息。
公平性层： 处理来自 DAG 层已提交的局部排序（子 DAG），以生成最终的公平交易顺序。

协议变体

论文介绍了两种 FairDAG 变体，每种变体保证了不同的公平性属性：

A. FairDAG-AB（绝对公平）

目标： 保证排序线性化（Ordering Linearizability）。如果所有正确副本都在收到交易 $T_1$ 之前收到 $T_2$ ，则 $T_1$ 必须被排在 $T_2$ 之前。
机制：
- 每个交易都被分配一个分配排序指示符（Assigned Ordering Indicator, AOI）。
- 协议使用**排序指示器管理器（Ordering Indicator Manager, OIM）**来跟踪已观测到和已提交的排序指示器。
- 为了处理 DAG 提交的延迟，协议会计算未提交交易的最低可能 AOI（Lowest Possible AOI, LPAOI）。只有当一个交易的 AOI 严格低于所有其他待处理交易的 LPAOI 时，该交易才会被最终确定。
- 最终顺序通过根据 AOI 对交易进行排序来确定。

B. FairDAG-RL（相对公平）

目标： 保证 $\gamma$ -批次顺序公平性（ $\gamma$ -Batch-Order-Fairness）。如果比例为 $\gamma$ 的正确副本在收到 $T_2$ 之前收到 $T_1$ ，那么 $T_1$ 的排序不晚于 $T_2$ 。
机制：
- 构建一个依赖图（Dependency Graph），其中节点是交易，边代表源自局部排序的排序偏好。
- 阈值优化： 与依赖 $n-2f$ 个已提交排序的领导者制协议（Themis）不同，FairDAG-RL 利用 DAG 的有效性属性来确保至少有 $n-f$ 个排序被提交。因此，它将边创建阈值从 $\frac{n-2f}{2}$ 提高到了 $\frac{n-f}{2}$ 。
- 图凝聚（Graph Condensation）： 协议识别依赖图中强连通分量（SCC）。它确定“坚实（solid）”节点（即具有足够已提交排序的节点）的排序，并将“阴影（shaded）”节点重新加入后续图中，直到它们变为坚实节点。
- 这种方法减少了保证公平性所需的最小正确副本数量（例如，对于 $\gamma=1$ ，要求 $n > 3f$ 而不是 $n > 4f$ ）。

3. 主要贡献

新颖框架： 提出了 FairDAG，这是第一个将公平性协议与多提议者 DAG 共识相结合的框架，解决了领导者制系统中的吞吐量和操纵漏洞问题。
FairDAG-AB： 一种绝对公平协议，利用与 DAG 提交规则兼容的自适应 LPAOI 机制来保证排序线性化。
FairDAG-RL： 一种相对公平协议，通过利用 DAG 有效性来降低构建依赖图的阈值，从而改进了 Themis，进而减少了对正确参与者的需求并提高了性能。
新的 DAG 构建规则： 引入了特定的规则（例如，包含针对较慢副本的弱边，保持指向先前局部顶点的强边），以确保公平性属性不受对抗性参与者的影响。
全面的评估： 进行了详尽的安全、活性和公平性的分析证明，以及实验验证。

4. 实验结果

作者在 Apache ResilientDB 中实现了 FairDAG，并将其与基准测试进行对比，包括 PBFT、Pompe、Themis、RCC 和 Tusk。

吞吐量：
- FairDAG 显著优于基于领导者的公平协议（Pompe 和 Themis）。
- FairDAG-AB 的吞吐量比 Pompe 高出 30.2% 至 52.6%。
- 在单区域设置下，FairDAG-RL 的吞吐量比 Themis 高出 5.1% 至 7.5%；由于底层 DAG 共识的鲁棒性，在地理分布式设置下，这一增幅增加到了 42.1%。
延迟：
- FairDAG-AB 的延迟略高于 Pompe（由于 Tusk 底层的提交延迟），但仍保持竞争力。
- 随着故障副本数量（ $f$ ）的增加，FairDAG-RL 展示出比 Themis 更低的延迟，因为 Themis 需要更多的正确副本来保证公平性，从而增加了开销。
对对抗行为的抵御能力：
- 领导者失效： 在实验中，当领导者变为故障节点时，Pompe 和 Themis 在视图切换（view-changes）期间出现了吞吐量下降。FairDAG 各变体由于采用了多提议者设计，并未表现出性能退化。
- 排序操纵： 在拜占庭副本进行“反转顺序（Reversing Order）”和“针对性延迟（Targeted Delay）”攻击的情况下，FairDAG-AB 和 FairDAG-RL 始终保持着比 Pompe 和 Themis 更高的正确排序交易对比例。DAG 层的有效性属性有效地减轻了拜占解释者选择性排除排序信息的能力。

5. 重要性与主张

本文声称 FairDAG 通过解决领导者制系统中固有的性能与公平性之间的权衡，实现了区块链公平性的重大进步。

韧性： 通过移除单领导者，FairDAG 防止了对手通过选择性收集局部排序来操纵最终顺序。
效率： 多提议者设计缓解了吞吐量瓶颈，使公平性协议能够更好地随网络规模和工作负载进行扩展。
降低要求： DAG 的有效性属性允许 FairDAG-RL 与 Themis 等最先进的领导者制协议相比，能以更少的正确参与者实现公平性保证。

作者得出结论，FairDAG 能有效约束对抗者对交易排序的操纵，同时在正常和对抗条件下均能实现卓越的性能，使其成为去中心化金融及其他关键区块链应用中公平交易排序的可行解决方案。