Реєстраційний номер
0826U003744, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
14-08-2026
Статус
Захищена
Назва роботи
Методи і засоби зменшення негативних ефектів максимально екстрактованої вигоди в публічних мережах блокчейн
Здобувач
Черкас Назарій Степанович,
Керівник Батюк Анатолій Євгенович
Опонент Яцків Василь Васильович
Опонент Гнатчук Єлизавета Геннадіївна
Рецензент Обельовська Квітослава Михайлівна
Рецензент Ізонін Іван Вікторович
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Національний університет "Львівська політехніка"
Опис
Дисертацію присвячено імітаційному моделюванню явища максимально екстрактованої вигоди (англ. Maximal Extractable Value, MEV) та розробці методіві засобів зменшення його негативних ефектів в мережах блокчейн. У вступі обґрунтовано актуальність теми дисертаційної роботи, сформульовано мету та основні задачі досліджень, визначено наукову новизну роботи і практичне значення отриманих результатів, показано зв'язок роботи з науковими темами. У першому розділі дисертації проаналізовано маніпуляції порядком транзакцій в мережах блокчейн та формалізовано явище максимально екстрактованої вигоди з оглядом основних типів MEV-екстракції. Розглянуто динаміку поширення явища MEV та дано оцінку його впливу на мережі блокчейн і користувачів. Проведено огляд існуючих напрацювань та визначено, що імітаційне моделювання явища MEV з використання навчання з підкріпленням може слугувати ефективною основою для дослідження методів і засобів зменшення його негативних ефектів. У другому розділі розроблено метод імітаційного моделювання явища MEV в мережі блокчейн Ethereum, який використовує апарат марковських процесів прийняття рішень та поєднує структурну організацію середовища за схемою Proposer-Builder Separation, агентно-орієнтоване моделювання адаптивної поведінки MEV-екстракторів, модель епізодів та метод порівняльного оцінювання втрат користувачів. Формально описано взаємодію мемпулу, конструювальника блоків, AMM-пулу та агента-екстрактора, визначено простір станів, спостережень, дій, переходів і систему винагороди агента в умовах часткової спостережуваності. Розроблено модель епізодів на основі генерованих дискретних часових рядів, що відображає лінійну часову організацію мережі Ethereum з розмежуванням між процесами надходження транзакцій, побудови блоків та їх виконанням. Така дискретно-часова організація забезпечує узгодження між динамікою надходження транзакцій до мемпулу, механізмом формування блоків і процедурою навчання агента в умовах часткової спостережуваності, що є характерною особливістю процесів MEV-екстракції. Обґрунтовано застосування методів навчання з підкріпленням для моделювання адаптивної поведінки MEV-екстрактора як автономного раціонального агента, що діє в стохастичному та нестаціонарному середовищі. Проаналізовано сучасні алгоритми навчання з підкріпленням та обґрунтовано вибір Deep Q-Network як базового методу тренування агента з урахуванням дискретного простору дій, високої варіативності транзакційних потоків і вимог до стабільності процесу навчання. У третьому розділі дисертації здійснено формалізацію завдання справедливого впорядкування транзакцій у мережах блокчейн та розроблено підхід до моделювання механізмів зменшення негативних ефектів максимально екстрактованої вигоди. Визначено зв’язок між правилами впорядкування, адаптивною поведінкою MEV-екстракторів та величиною користувацьких втрат, що виникають унаслідок стратегічного перевпорядкування транзакцій у відкритому мемпулі. Розроблено метод локального причинно-наслідкового впорядкування транзакцій LCFO на основі логічних часових міток Лампорта, який реалізується шляхом розширення смарт-контрактів локальним лічильником логічного часу та перевіркою коректності мітки транзакції перед виконанням операцій, що змінюють стан. Метод не потребує модифікації глобального механізму консенсусу та спрямований на зменшення внутрішньоконтрактної MEV-екстракції, зокрема випередження транзакцій та sandwich-атак. Також, подальшого розвитку набув метод порівняльного оцінювання втрат користувачів від MEV-екстракції на основі контрфактичного зіставлення результатів виконання транзакцій. Метод формалізовано для середовища імітаційного моделювання через фіксацію початкового стану, набору транзакцій та альтернативних політик впорядкування. Запропоновано систему метрик цінових втрат, невиконаних транзакцій і комісійних витрат за моделлю EIP-1559 з агрегуванням результатів на рівні блоків та епізодів. У четвертому розділі дисертаційної роботи розроблено та реалізовано середовище імітаційного моделювання процесів максимально екстрактованої вигоди у мережі блокчейн Ethereum, яке відтворює дискретно-часову динаміку надходження транзакцій до мемпулу, формування та виконання блоків, а також взаємодію з агентом MEV-екстрактора в умовах часткової спостережуваності. Запропоновано систему сценаріїв моделювання та показників оцінювання, що передбачає порівняння серій запусків епізодів у режимах з увімкненим та вимкненим MEV-захистом LCFO. Проведено серію обчислювальних експериментів у синтетичному середовищі, результати яких продемонстрували керований компроміс між зменшенням цінових втрат користувачів та вартістю застосування механізму LCFO.
Дата реєстрації
2026-07-17
Додано/оновлено в НРАТ
2026-07-17 / 2026-08-20
