从跨链桥继承而来的Layer2资产是否能够避免风险?

深潮TechFlowPublicado a 2022-08-26Actualizado a 2022-08-26

Resumen

DeFi 用户最常见的问题之一是 ,"如果跨链桥被黑,而我却在目标链上收到了我的代币,我会面临风险吗?"。

DeFi 用户最常见的问题之一是 ,"如果跨链桥被黑,而我却在目标链上收到了我的代币,我会面临风险吗?"。回答这个问题出乎意料得难,但重要的是,我们要把它的本质弄清楚。

我将通过一些例子来介绍三个重要的架构概念——消息桥、代币桥和流动性网络。首先让我们举一个最简单的例子——你想把 $MKR 转移到 Optimism,于是你使用他们的 "标准 "跨链桥。

在后台发生的事情是,你的 MKR 代币被锁定在 L1 代币桥的托管中,在 L2 上铸造相同数量(希望)的代币。

你可以查看 ERC 跨链桥中持有的 MKR 的数量和 Optimism 上铸造 MKR 的数量。

L2 上的 MKR 数量比托管的数量略少,很可能有些数量是 "在跨链途中",正在被提取。不过,看到托管中的数量多于铸币的数量,还是令人放心的。

如果 L1 上的托管被黑客攻击,或者由于错误,在 L1 上铸造的$MKR 比托管的多,你在 L2 上的$MKR 可能一文不值。因此,只要在 Optimism 上持有$MKR,你就会面临它所使用的代币桥和消息桥的风险。

那么,为什么我们要区分代币桥和消息桥呢?因为你可以有许多不同的代币桥使用同一个信息桥,就像 Optimism 上的 $MKR、 $SNX 和 $DAI 一样。

持有这些资产,你将面临信息传递桥风险以及各自的代币桥风险(例如,$DAI 和 $MKR 的风险是不同的)。

那如果你使用非标准的 "跨链桥 "(例如 HopProtocol)将资产转移到 Optimism 会怎样?其实这就是我说的流动性网络(即使它在用户界面上表现为跨链桥),这是什么意思?

流动性网络不会在目标链上铸造代币,他们会先预先铸造资产,然后用这些资产将与你进行交换。因此,对你来说,结果是一样的,但基础机制是非常不同的。

流动性网络可能会耗尽流动性,因此你的请求(无论是存款还是提款)可能无法得到满足,他们显然也会引入额外的执行风险。

一旦你的资金还处在 "跨链中",你将与流动性网络一同面临风险。一旦你收到你的资产,你将 "只 "面临与你持有的资产有关的标准 "代币桥 "风险。

代币桥的风险是很容易检查的,因此在 L2 上持有通过代币桥跨链资产的你,一旦你的资产脱离流通,就不会面临与流动性网络有关的风险。

如果您在 L2 上持有使用流动性网络桥接的资产,你怎么知道你面临的是哪种代币桥接风险?不幸的是,这不容易检查。

但有些跨链桥是代币桥和流动性网络的结合体,这使得用户在正确区分这些功能时有些困惑。再举个例子,使用 Multichain 将 $DAI 从以太坊转移到 Fantom。

将 $DAI 桥接到 Fantom,你将得到一个 "mDAI",即 $DAI 暴露在他们的信息桥风险和他们的代币桥风险之中。但 Multichain 也是一个跨链的流动性网络,相当复杂,横跨数十个区块链和数百个代币。因此,实际上你的资产是这样的:

你可以检查一下,在 Fantom 上铸造的 $DAI 明显多于在 ETH 代币跨链桥的储备。

这一切听起来都非常复杂和混乱,但它确实是这样的,而且为用户提供的用户界面试图使这一切看起来非常简单。但是,这些风险应该被资产持有人理解,并得到适当的管理。所以,如果我们能够创建 "从以太坊继承安全 "的信息跨链桥,并在其上构建不可升级的且无错误的代币跨链桥,那么你在 L2 的资产才能跟在 ETH 上一样安全。

Lecturas Relacionadas

Huang Renxun: El Prompt está quedando obsoleto, Loop es el nuevo paradigma

En el mundo de la IA, se está produciendo un cambio de paradigma: el "prompt" (instrucción directa) pierde relevancia frente al "loop" (bucle o ciclo). Según expertos como Jensen Huang (fundador de NVIDIA), Peter, Boris Cherny (creador de Claude Code) y Andrew Ng, la nueva tarea clave no es escribir prompts detallados, sino diseñar y gestionar loops. ¿Qué es un loop? Es un sistema automatizado donde la IA recibe un objetivo general, ejecuta tareas, las verifica automáticamente y, si no cumple los criterios, reintenta de forma independiente hasta completarlo o alcanzar un límite. Esto libera al humano de supervisar cada paso, transformándolo de "instructor" a "diseñador de reglas". Un loop no es lo mismo que un agente de IA: el agente ejecuta, mientras que el loop es el mecanismo que orquesta y automatiza su trabajo continuo sin intervención constante. Productos como Claude Code y OpenAI Codex ya implementan esta idea. Claude Code ofrece funciones como `/goal` (ejecución orientada a objetivos) y `/schedule` (tareas programadas), utilizando modelos separados para generar código (modelo principal) y para validarlo (modelo más pequeño como Haiku), asegurando una verificación objetiva. Codex emplea una "línea de ensamblaje automatizada" con múltiples subagentes que trabajan en paralelo. Boris Cherny describe cómo dirige cientos de pequeños agentes en loops automatizados que manejan desde issues de GitHub hasta fallos en CI, interviniendo solo en casos excepcionales. Para implementar loops efectivos, se recomienda: 1) Evaluar si la tarea es repetitiva, verificable automáticamente, con presupuesto de tokens viable y con herramientas adecuadas. 2) Comenzar con un loop mínimo viable (disparador, habilidad/Skill, archivo de estado STATE.md y compuerta/Gate de verificación). 3) Separar siempre la generación de código de su validación, usando agentes o modelos independientes para evitar sesgos. 4) Evitar errores comunes: establecer condiciones de parada claras (límites de tokens, iteraciones), persistir el estado en archivos, asignar solo tareas con criterios objetivos verificables por máquina (como corrección de Lint) y revisar los cambios (diffs) para mantener la comprensión del código. 5) Medir el éxito por el "costo promedio por modificación aceptada"; una tasa de aceptación inferior al 50% indica ineficiencia. Este enfoque representa la evolución natural en la ingeniería de IA: desde el "Prompt Engineering" (2023-2024, enfocado en redactar instrucciones), pasando por el "Context Engineering" (2024-2025, organizar la información de fondo), luego el "Harness Engineering" (2025-2026, crear entornos de ejecución con herramientas), hasta el actual "Loop Engineering". El nivel de control humano asciende desde frases específicas hacia el diseño de sistemas autónomos. Conceptos académicos como el marco ReAct (Reason+Act, 2022) de Shunyu Yao, que integra razonamiento y acción en un ciclo, sentaron las bases teóricas. A pesar del entusiasmo, expertos como Addy Osmani (Google) advierten sobre la etapa temprana de esta tecnología y los costos de tokens. Andrej Karpathy subraya una reflexión crucial: aunque la IA puede externalizar la ejecución, la comprensión profunda del problema sigue siendo responsabilidad humana. El loop marca un paso hacia una automatización más autónoma, pero su adopción requiere cuidado y criterio.

marsbitHace 1 hora(s)

Huang Renxun: El Prompt está quedando obsoleto, Loop es el nuevo paradigma

marsbitHace 1 hora(s)

GPT diseña GPT

OpenAI ha presentado su primer chip, Jalapeño, un cambio estratégico que va más allá de competir con Nvidia. La empresa busca controlar todo el proceso de producción de inteligencia artificial, desde los modelos hasta el hardware, la energía y los centros de datos. La brecha entre modelos líderes se está reduciendo, mientras que la ventaja competitiva se desplaza a capas más profundas: suministro de computación, costes de inferencia y eficiencia de sistemas. Cada token generado implica un costo, y OpenAI, con productos de gran consumo como ChatGPT, necesita reducir esta "tasa de inferencia" para fortalecer su rentabilidad y defensa competitiva a largo plazo. Jalapeño, un chip ASIC optimizado para inferencia de modelos de lenguaje, fue desarrollado en solo nueve meses con Broadcom. Este plazo résubevela la ventaja clave de OpenAI: utiliza su propio conocimiento interno sobre cómo se ejecutan sus modelos masivos en producción para guiar el diseño del hardware. Esencialmente, GPT ayuda a diseñar las máquinas que ejecutarán la próxima generación de GPT, creando un ciclo de retroalimentación potente. El enfoque en la inferencia es crucial porque, a diferencia del entrenamiento (una inversión puntual enorme), la inferencia consume el flujo de caja diario. Al optimizarla, OpenAI reduce costes operativos fundamentales para su escalabilidad comercial, especialmente con futuros agentes de IA que realizarán cadenas largas de razonamiento. Este movimiento refleja una ambición mayor: OpenAI no quiere ser solo un proveedor de modelos, sino construir un ecosistema integrado al estilo de Apple, donde el software, el hardware y la infraestructura se optimizan mutuamente en un ciclo cerrado. A corto plazo depende de Nvidia, pero al trazar su propia hoja de ruta de chips, emerge como un nuevo tipo de actor en la infraestructura de IA. En resumen, OpenAI ya no aspira solo a crear la inteligencia más avanzada, sino a controlar los medios completos de su producción.

marsbitHace 1 hora(s)

GPT diseña GPT

marsbitHace 1 hora(s)

La directora ejecutiva interina de la Fundación Ethereum alza la voz: ¿Cuál es nuestra misión?

El director interino de la Ethereum Foundation (EF), Aerugo, define la misión de la fundación: garantizar que Ethereum sea y siga siendo una infraestructura verdaderamente sin permiso, resistente a la censura, privada y segura, y que permita la coordinación a gran escala respetando la soberanía individual. El artículo detalla en qué **no** se centrará la EF: popularidad, atraer a grandes instituciones financieras o satisfacer a especuladores a corto plazo. Su propósito es **eliminar vulnerabilidades** en capas clave del ecosistema: * **Proceso de transacciones/MEV**: Combatir la extracción dañina de MEV, evitar monopolios en la construcción de bloques y garantizar la ejecución neutral. * **Privacidad**: Es fundamental. Un libro mayor público sin privacidad por defecto se convierte en una plataforma de vigilancia. * **Staking**: Debe ser accesible, privado y diverso para evitar puntos centralizados de control. * **Interfaces de acceso**: Facilitar que los usuarios (individuales e institucionales) interactúen con Ethereum de forma autónoma y resistente a la coerción. La EF también debe **aprovechar oportunidades**, como convertir a Ethereum en: * La primera infraestructura global resistente a ataques cuánticos. * Efectivo digital privado y una plataforma para la coordinación privada. * La base para carteras personales con agentes de IA controlados por el usuario. * Una opción competitiva y sin custodia para casos de uso institucional. Respecto a los cambios internos, el artículo confirma salidas de personal por ajustes estratégicos o de rol, pidiendo respeto y evitando el debate público sobre casos individuales. También anuncia que algunos trabajos se externalizarán en "empresas derivadas" (spin-offs). La EF solo financiará proyectos externos si son cruciales para su misión, evitando apoyar trabajos que se desvíen de sus principios fundamentales. La postura final es clara: La EF no es neutral respecto a la dirección de Ethereum. Su compromiso es con los principios de infraestructura sin permiso y neutral que respete la soberanía, y colaborará con quienes compartan este objetivo.

marsbitHace 1 hora(s)

La directora ejecutiva interina de la Fundación Ethereum alza la voz: ¿Cuál es nuestra misión?

marsbitHace 1 hora(s)

Trading

Spot
Futuros
活动图片