[논문 리뷰] Understand Waiting Time in Transaction Fee Mechanism: An Interdisciplinary Perspective

Luyao Zhang, Fan Zhang|arXiv (Cornell University)|2023. 05. 04.

Blockchain Technology Applications and Security인용 수 13

한 줄 요약

본 논문은 이더리움의 Merge와 EIP-1559가 거래 대기 시간, 네트워크 부하 및 시장 혼잡에 미치는 영향을 RDD, 시계열 예측, 네트워크 분석을 사용해 실증적으로 분석하고, 블록 간격 설계에 대한 시사점을 제시한다.

ABSTRACT

Blockchain enables peer-to-peer transactions in cyberspace without a trusted third party. The rapid growth of Ethereum and smart contract blockchains generally calls for well-designed Transaction Fee Mechanisms (TFMs) to allocate limited storage and computation resources. However, existing research on TFMs must consider the waiting time for transactions, which is essential for computer security and economic efficiency. Integrating data from the Ethereum blockchain and memory pool (mempool), we explore how two types of events affect transaction latency. First, we apply regression discontinuity design (RDD) to study the causal inference of the Merge, the most recent significant upgrade of Ethereum. Our results show that the Merge significantly reduces the long waiting time, network loads, and market congestion. In addition, we verify our results' robustness by inspecting other compounding factors, such as censorship and unobserved delays of transactions via private changes. Second, examining three major protocol changes during the merge, we identify block interval shortening as the most plausible cause for our empirical results. Furthermore, in a mathematical model, we show block interval as a unique mechanism design choice for EIP1559 TFM to achieve better security and efficiency, generally applicable to the market congestion caused by demand surges. Finally, we apply time series analysis to research the interaction of Non-Fungible token (NFT) drops and market congestion using Facebook Prophet, an open-source algorithm for generating time-series models. Our study identified NFT drops as a unique source of market congestion -- holiday effects -- beyond trend and season effects. Finally, we envision three future research directions of TFM.

연구 동기 및 목표

• 이더리움의 Merge가 EIP-1559 TFM 하에서 트랜잭션 대기 시간에 미치는 영향을 조사한다.
• 거래 대기 시간에 영향을 미칠 수 있는 관찰되지 않은 요인들과 교란 변수를 식별한다.
• Merge의 TFM에 대한 영향을 설명하고 향후 설계를 안내하기 위한 수학적 모델을 개발한다.
• NFT 드립이 시장 혼잡 및 수요 급증과 어떻게 상호 작용하는지 살펴본다.

제안 방법

• Regressions Discontinuity Design (RDD)을 적용하여 Merge가 대기 시간, 네트워크 부하 및 혼잡에 미치는 지역 평균 처리 효과를 추정한다.
• Facebook Prophet를 사용하여 추세, 계절성, 휴일 효과(NFT drops 포함)를 포함한 시계열 구성요소를 분해하고 예측한다.
• Python NetworkX를 활용하여 Merge 전후의 OFAC 제재 활동을 포함한 거래의 네트워크 구조를 분석한다.
• 대기 시간을 mempool 등장부터 블록체인 포함까지로 정의하고 Merge 전후 지표를 비교한다(분위수와 IQR).
• 관찰된 개선을 설명하기 위해 EIP-1559 하의 base-fee 조정에 영향을 주는 설계 특징으로서 블록 간격 변화를 모델링한다.
• 사적 MEV 채널 및 OFAC 제재와 같은 혼란 요인을 논의하고 견고성을 평가한다.]
• research_questions:[

실험 결과

연구 질문

• RQ1 Merge가 EIP-1559 트랜잭션 수수료 메커니즘에서 대기 시간에 어떤 영향을 미쳤는가(다른 변수는 일정하다고 가정할 때)?
• RQ2 Merge 이후 거래 대기 시간에 영향을 미칠 수 있는 관찰되지 않은 요인이나 교란 변수는 무엇인가?
• RQ3 주요 Merge 영향들을 추상화한 수학적 모델이 향후 TFM 설계를 안내할 수 있는가(infinitum/ad infinitum mutatis mutandis)?
• RQ4 NFT 드롭이 EIP-1559 프레임워크 하에서 시장 혼잡 및 수요 급증과 어떻게 상호 작용하는가?

주요 결과

• Merge는 거래 도착률이 약간 증가했음에도 불구하고 높은 대기 시간 위험, 네트워크 부하 및 시장 혼잡을 감소시킨다(초당 12.079에서 12.997로 증가).
• 대기 시간의 상위 분위수(75%)는 13.4초 감소한다(35.0초에서 21.6초로), p-value < 0.01.
• 블록 내 대기 시간(IQR)은 26.1초 감소한다(54.5에서 28.4초로), p-value < 0.01.
• 네트워크 부하 지표도 유의하게 감소하였으며(예: 1-, 5-, 7200-block 이동 평균에서 각각 28.55%, 28.50%, 22.31%), p-values < 0.01.
• 시장 혼잡 위험은 감소: 혼잡 가능성이 52.72% 감소하고(5개의 계속된 블록에서 41.08%), p-values < 0.01.
• 대기 시간 및 혼잡 감소는 Merge의 블록 간격 변화로 가장 그럴듯하게 설명되며, 수요 급증 시 더 빠른 base-fee 조정을 가능하게 한다.
• NFT drops는 시간-series 모델을 사용하여 지속적인 혼잡 패턴을 예측하고 설명하는 휴일과 같은 효과로 확인된다.