cet impact des ordres de vente importants.

the price impact of large trades. Back runners place their orders after the victim’s trade, but still within the same block, to benefit from the price movement triggered by the victim’s trade.

l'impact sur les prix des transactions importantes. Les backrunners passent leurs ordres après la transaction de la victime, mais toujours dans le même bloc, pour bénéficier du mouvement de prix déclenché par la transaction de la victime.

Back-running is a strategy that is often used in conjunction with front-running. It involves observing a large trade in the mempool and placing an order in the same direction, but later in the block. This strategy benefits from the price movement caused by the victim’s trade, but without the risk of being front-run.

Le back-running est une stratégie souvent utilisée en conjonction avec le front-running. Il s'agit d'observer une transaction importante dans le mempool et de passer un ordre dans la même direction, mais plus tard dans le bloc. Cette stratégie profite du mouvement des prix provoqué par le trade de la victime, mais sans risquer d'être en avance.

Back-running is typically less profitable than front-running, as the price impact of a trade diminishes over time. However, it is still a viable strategy, especially when the victim’s trade is particularly large.

Le back-running est généralement moins rentable que le front-running, car l’impact d’une transaction sur les prix diminue avec le temps. Cependant, cela reste une stratégie viable, surtout lorsque le commerce de la victime est particulièrement important.

Sandwich Attack

Attaque de sandwich

A sandwich attack is a type of MEV strategy that involves placing two trades around a victim’s trade to profit from the price impact. The searcher first identifies a victim’s trade in the mempool and places a buy or sell order before it, and then places another order in the opposite direction after the victim’s trade.

Une attaque sandwich est un type de stratégie MEV qui consiste à placer deux transactions autour de la transaction d'une victime pour profiter de l'impact sur les prix. Le chercheur identifie d'abord la transaction d'une victime dans le mempool et passe un ordre d'achat ou de vente avant celle-ci, puis passe un autre ordre dans la direction opposée après la transaction de la victime.

Sandwich attacks are a more advanced and profitable form of MEV strategy. They involve identifying a large trade in the mempool and placing two orders around it, one before and one after. The goal is to capture the price impact of the victim’s trade on both sides.

Les attaques sandwich sont une forme plus avancée et plus rentable de stratégie MEV. Ils consistent à identifier une transaction importante dans le pool de mémoire et à passer deux commandes autour de celle-ci, une avant et une après. L'objectif est de capturer l'impact sur les prix de la transaction de la victime des deux côtés.

In this example, the searcher observed a pending sell trade for 100 SOL, which is likely to drive down the price of SOL. To capitalize on this, the searcher placed a buy trade for 50 SOL before the victim's trade, and then a sell trade for 50 SOL after the victim's trade. As a result, the searcher was able to buy at a lower price and sell at a higher price, making a profit of 0.0002 SOL (about $0.04) per sandwich transaction.

Dans cet exemple, le chercheur a observé une transaction de vente en attente pour 100 SOL, ce qui est susceptible de faire baisser le prix du SOL. Pour tirer parti de cela, le chercheur a effectué une transaction d'achat de 50 SOL avant la transaction de la victime, puis une transaction de vente de 50 SOL après la transaction de la victime. En conséquence, le chercheur a pu acheter à un prix inférieur et vendre à un prix plus élevé, réalisant ainsi un bénéfice de 0,0002 SOL (environ 0,04 $) par transaction sandwich.

Solana MEV Data

Données Solana MEV

Below is a collection of relevant, quantifiable, and contextual data to illustrate the current scope and impact of MEV in Solana.

Vous trouverez ci-dessous une collection de données pertinentes, quantifiables et contextuelles pour illustrer la portée et l'impact actuels du MEV à Solana.

Jito Bundles

Offres groupées Jito

Jito bundles are the primary method for seekers to ensure profitable transaction ordering. However, Jito data does not cover the full spectrum of MEV activity; in particular, it does not capture seeker profits or activity through alternative mempools. In addition, many applications use Jito for non-MEV purposes, such as bypassing priority fees to ensure timely inclusion of transactions.

Les bundles Jito sont la principale méthode permettant aux chercheurs de garantir une commande de transactions rentable. Cependant, les données Jito ne couvrent pas le spectre complet de l’activité du MEV ; en particulier, il ne capture pas les bénéfices ou l'activité des chercheurs via des pools de mémoire alternatifs. De plus, de nombreuses applications utilisent Jito à des fins non MEV, telles que le contournement des frais de priorité pour garantir l'inclusion des transactions en temps opportun.

Jito has processed more than 3 billion transaction bundles over the past year, generating a total of 3.75 million SOL in tips. This activity has shown a clear upward trend, from a low of 781 SOL in tips on January 11, 2024, to 60,801 SOL on November 19.

Jito a traité plus de 3 milliards de lots de transactions au cours de l'année écoulée, générant un total de 3,75 millions de SOL en pourboires. Cette activité a montré une nette tendance à la hausse, passant d'un minimum de 781 SOL en pourboires le 11 janvier 2024 à 60 801 SOL le 19 novembre.

Jito Arbitrage Detection

Détection d'arbitrage Jito

Jito’s arbitrage detection algorithm analyzes all Solana transactions, including those outside of the Jito bundle, and has identified more than 90.44 million successful arbitrage trades over the past year. The average profit per arbitrage was $1.58, while the single most profitable arbitrage trade generated $3.7 million in gains, and these arbitrage trades generated a total of $142.8 million in profits.

L'algorithme de détection d'arbitrage de Jito analyse toutes les transactions Solana, y compris celles en dehors du bundle Jito, et a identifié plus de 90,44 millions de transactions d'arbitrage réussies au cours de l'année écoulée. Le bénéfice moyen par arbitrage était de 1,58 $, tandis que la transaction d'arbitrage la plus rentable a généré 3,7 millions de dollars de gains, et ces transactions d'arbitrage ont généré un total de 142,8 millions de dollars de bénéfices.

DeezNode Sandwich Transactions

Transactions sandwich DeezNode

DeezNode runs a sandwich trading bot on an address starting with vpeNAL. Jito's internal analysis shows that almost half of the sandwich attacks against Solana can be attributed to this program. During a 30-day period (December 7 to January 5), the program performed 1.55 million sandwich transactions, making a profit of 65,880 SOL (about $13.43 million), with an average profit of 0.0425 SOL (about $8.67) per sandwich transaction. On an annual basis, the program will generate a profit of more than 801,500 SOL per year.

DeezNode exécute un robot de trading sandwich sur une adresse commençant par vpeNAL. L'analyse interne de Jito montre que près de la moitié des attaques sandwich contre Solana peuvent être attribuées à ce programme. Au cours d'une période de 30 jours (du 7 décembre au 5 janvier), le programme a réalisé 1,55 million de transactions sandwich, réalisant un bénéfice de 65 880 SOL (environ 13,43 millions de dollars), avec un bénéfice moyen de 0,0425 SOL (environ 8,67 dollars) par transaction sandwich. Sur une base annuelle, le programme générera un bénéfice de plus de 801 500 SOL par an.

MEV Mitigation Mechanisms

Mécanismes d’atténuation du MEV

Finally, let’s explore some strategies and mechanisms that are being considered to reduce or eliminate harmful forms of MEV.

Enfin, explorons quelques stratégies et mécanismes envisagés pour réduire ou éliminer les formes nocives de MEV.

Whitelisting

Liste blanche

Whitelisting is a common approach to combating bad actors, especially those engaging in harmful MEV extraction practices. This approach involves identifying and whitelisting a set of trusted validators or transactions, while blocking or delaying transactions from other parties.

La liste blanche est une approche courante pour lutter contre les mauvais acteurs, en particulier ceux qui se livrent à des pratiques d'extraction de MEV nuisibles. Cette approche consiste à identifier et à mettre sur liste blanche un ensemble de validateurs ou de transactions de confiance, tout en bloquant ou en retardant les transactions d'autres parties.

However, whitelisting can introduce several problems. Firstly, it may lead to a semi-permissioned and censored environment, which goes against the decentralized philosophy of the blockchain industry. Secondly, whitelisting can delay transaction processing, affecting the user experience, especially during periods of high network activity.

Cependant, la liste blanche peut poser plusieurs problèmes. Premièrement, cela peut conduire à un environnement semi-autorisé et censuré, ce qui va à l’encontre de la philosophie décentralisée de l’industrie de la blockchain. Deuxièmement, la mise sur liste blanche peut retarder le traitement des transactions, affectant l'expérience utilisateur, en particulier pendant les périodes de forte activité réseau.

Multiple Concurrent Leaders (MCL)

Plusieurs leaders simultanés (MCL)

The Multiple Concurrent Leaders (MCL) system offers a promising long-term solution to the pernicious MEV problem by allowing users to choose between leaders without incurring delays. If leader A acts maliciously, users can redirect their transactions to honest leader B.

Le système Multiple Concurrent Leaders (MCL) offre une solution prometteuse à long terme au problème pernicieux du MEV en permettant aux utilisateurs de choisir entre les leaders sans encourir de retards. Si le leader A agit de manière malveillante, les utilisateurs peuvent rediriger leurs transactions vers le leader honnête B.

However,

Cependant,