대량 매도 주문의 영향.

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.

대규모 거래의 가격 영향. 백러너는 피해자의 거래 후에 주문을 내립니다. 그러나 여전히 동일한 블록 내에서 피해자의 거래로 인해 발생하는 가격 변동으로부터 이익을 얻습니다.

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.

백러닝은 프론트러닝과 함께 자주 사용되는 전략이다. 이는 멤풀에서 대규모 거래를 관찰하고 동일한 방향으로 주문을 배치하는 것을 포함하지만 나중에 블록에 적용됩니다. 이 전략은 피해자의 거래로 인한 가격 변동의 이점을 누리지만 선행 실행 위험은 없습니다.

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.

백러닝은 일반적으로 프론트러닝보다 수익성이 낮습니다. 왜냐하면 거래의 가격 영향은 시간이 지남에 따라 감소하기 때문입니다. 그러나 특히 피해자의 거래 규모가 특히 큰 경우에는 여전히 실행 가능한 전략입니다.

Sandwich Attack

샌드위치 공격

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.

샌드위치 공격은 가격 영향으로부터 이익을 얻기 위해 피해자의 거래 주변에 두 개의 거래를 배치하는 MEV 전략의 한 유형입니다. 검색자는 먼저 멤풀에서 피해자의 거래를 식별하고 그 전에 매수 또는 매도 주문을 넣은 다음, 피해자의 거래 후에 반대 방향으로 또 다른 주문을 내립니다.

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.

샌드위치 공격은 MEV 전략의 더욱 발전되고 수익성 있는 형태입니다. 여기에는 멤풀에서 대규모 거래를 식별하고 그 전후에 하나씩 두 개의 주문을 하는 것이 포함됩니다. 목표는 피해자의 거래가 양측에 미치는 가격 영향을 포착하는 것입니다.

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.

이 예에서 검색자는 SOL 가격이 하락할 가능성이 있는 100 SOL에 대한 보류 중인 판매 거래를 관찰했습니다. 이를 활용하기 위해 검색자는 피해자의 거래 전에 50 SOL에 매수 거래를 한 다음 피해자의 거래 후에 50 SOL에 매도 거래를 했습니다. 그 결과 검색자는 더 낮은 가격에 사고 더 높은 가격에 팔 수 있었고 샌드위치 거래당 0.0002 SOL(약 $0.04)의 수익을 올릴 수 있었습니다.

Solana MEV Data

솔라나 MEV 데이터

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

다음은 솔라나에서 MEV의 현재 범위와 영향을 설명하기 위한 관련성 있고 정량화 가능한 상황별 데이터 모음입니다.

Jito Bundles

지토 번들

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.

Jito 번들은 수익성 있는 거래 주문을 보장하기 위한 기본 방법입니다. 그러나 Jito 데이터는 MEV 활동의 전체 범위를 다루지 않습니다. 특히 대체 멤풀을 통해 구직자의 이익이나 활동을 포착하지 않습니다. 또한 많은 애플리케이션에서는 거래를 적시에 포함시키기 위해 우선순위 수수료를 우회하는 등 MEV 이외의 목적으로 Jito를 사용합니다.

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.

Jito는 지난 한 해 동안 30억 개 이상의 거래 번들을 처리하여 총 375만 개의 SOL 팁을 생성했습니다. 이 활동은 2024년 1월 11일 최저 팁 781 SOL부터 11월 19일 60,801 SOL까지 뚜렷한 상승 추세를 보여주었습니다.

Jito Arbitrage Detection

지토 차익거래 탐지

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.

Jito의 차익 거래 탐지 알고리즘은 Jito 번들 외부 거래를 포함하여 모든 Solana 거래를 분석하고 지난 한 해 동안 9,044만 건 이상의 성공적인 차익 거래를 확인했습니다. 차익거래당 평균 이익은 1.58달러였으며, 가장 수익성이 높은 단일 재정거래 거래는 370만 달러의 이익을 창출했으며 이러한 차익거래는 총 1억 4280만 달러의 이익을 창출했습니다.

DeezNode Sandwich Transactions

DeezNode 샌드위치 거래

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.

DeezNode는 vpeNAL로 시작하는 주소에서 샌드위치 거래 봇을 실행합니다. Jito의 내부 분석에 따르면 Solana에 대한 샌드위치 공격의 거의 절반이 이 프로그램에 기인한 것으로 나타났습니다. 30일 동안(12월 7일부터 1월 5일까지) 프로그램은 155만 건의 샌드위치 거래를 수행하여 65,880 SOL(약 1,343만 달러)의 수익을 올렸고, 샌드위치 거래당 평균 수익은 0.0425 SOL(약 $8.67)이었습니다. 연간 기준으로 이 프로그램은 연간 801,500 SOL 이상의 수익을 창출할 것입니다.

MEV Mitigation Mechanisms

MEV 완화 메커니즘

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

마지막으로 유해한 형태의 MEV를 줄이거나 제거하기 위해 고려되는 몇 가지 전략과 메커니즘을 살펴보겠습니다.

Whitelisting

화이트리스트

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.

화이트리스트는 악의적인 행위자, 특히 유해한 MEV 추출 관행에 관여하는 행위자를 퇴치하기 위한 일반적인 접근 방식입니다. 이 접근 방식에는 신뢰할 수 있는 검증인 또는 거래 집합을 식별하고 화이트리스트에 추가하는 동시에 다른 당사자의 거래를 차단하거나 지연시키는 것이 포함됩니다.

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.

그러나 화이트리스트에는 여러 가지 문제가 발생할 수 있습니다. 첫째, 블록체인 산업의 분산 철학에 어긋나는 반허가형 및 검열형 환경으로 이어질 수 있습니다. 둘째, 화이트리스트는 거래 처리를 지연시켜 특히 네트워크 활동이 많은 기간 동안 사용자 경험에 영향을 미칠 수 있습니다.

Multiple Concurrent Leaders (MCL)

다중 동시 리더(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.

MCL(다중 동시 리더) 시스템은 사용자가 지연 없이 리더 중에서 선택할 수 있도록 함으로써 유해한 MEV 문제에 대한 유망한 장기적 솔루션을 제공합니다. 리더 A가 악의적으로 행동하는 경우 사용자는 거래를 정직한 리더 B에게 리디렉션할 수 있습니다.

However,

하지만,