Максимальная извлекаемая ценность (MEV) представляет собой многомиллиардную экосистему в рамках децентрализованных финансов. В то время как традиционно доминируют специализированные боты, использующие эвристический мониторинг мемпулов, развитие ИИ предлагает смену парадигмы в...
Максимальная извлекаемая ценность (MEV) представляет собой многомиллиардную экосистему в рамках децентрализованных финансов. Несмотря на то, что традиционно доминируют специализированные боты, использующие эвристический мониторинг мемпулов, развитие ИИ предлагает сдвиг парадигмы в том, как мы обнаруживаем и классифицируем вредоносные действия MEV, такие как сэндвич-атаки и опережающие действия.
Почему ИИ для MEV?
Традиционное обнаружение основано на статических пороговых значениях (например, «если цена на газ > X, а проскальзывание равно Y»). Их легко обходят сложные боты. Модели искусственного интеллекта, в частности LSTM или Transformers, могут анализировать последовательности транзакций как данные временных рядов, выявляя тонкие поведенческие модели (например, сэндвич-сэндвич), которые отклоняются от обычных намерений пользователя.
Подход к реализации
Чтобы создать детектор на основе искусственного интеллекта, вам необходимо обработать потоки данных мемпула через конвейер проектирования функций, прежде чем подавать их в механизм вывода.
1. Сбор данных. Используйте библиотеку типа web3.py для потоковой передачи ожидающих транзакций.
2. Разработка функций. Извлеките такие функции, как надбавка за транзакционный газ, энтропия входных данных и наличие вызовов контрактов на известные адреса DEX.
3. Вывод: используйте упрощенную модель для классификации намерения.
я