Un nuovo studio pubblicato su ethresear.ch da Hudu Yusuf, ricercatore del collettivo Analys, mette in discussione due pilastri che regolano la sicurezza di Ethereum e dell’intero settore DeFi: il modo in cui funziona il consenso Byzantine Fault Tolerance e il modo in cui gli oracle decidono cosa pubblicare. La tesi centrale è semplice da enunciare ma pesante nelle conseguenze: se i validatori si comportano in modo identico, il loro voto reale vale molto meno di quanto suggerisca lo stake nominale che possiedono. E se un oracle pubblica sempre un dato, anche quando quel dato è sospetto, sta scegliendo sistematicamente l’opzione peggiore contro un attaccante determinato.
Summary
Punti chiave
- I validatori con comportamenti quasi identici vedono il proprio peso di voto effettivo tendere a zero, indipendentemente dallo stake nominale posseduto.
- Le tre principali entità di staking su Ethereum controllano il 57,2% dello stake nominale ma solo il 15,7% del peso effettivo secondo il modello DW-BFT.
- I validatori solo, con appena il 22,3% di stake nominale, arrivano a controllare oltre il 60,2% del potere di voto effettivo grazie alla diversità comportamentale.
- Tutti gli oracle oggi in produzione, da Chainlink a Pyth, usano strategie “always-publish” e risultano quindi vulnerabili per costruzione.
Crollo della coordinazione: quando la correlazione tra validatori annulla il voto
Il primo risultato, che l’autore chiama Teorema 1 o “Coordination Collapse“, dimostra che in qualsiasi sistema di consenso Byzantine Fault Tolerance pesato, un gruppo di validatori con comportamento praticamente identico vede il proprio peso di voto effettivo scendere verso zero al crescere della correlazione tra loro, indipendentemente da quanto stake nominale detengano.
I fondamenti del BFT pesato per diversità comportamentale
Il modello proposto, denominato DW-BFT, non si limita a pesare i voti in base allo stake s_j di ciascun validatore. Introduce un secondo fattore, la diversità comportamentale d_j, calcolata confrontando il vettore comportamentale di ogni validatore (tempistiche di attestazione, selezione dei relay MEV-Boost, partecipazione ai reorg) con la media dell’intero set di validatori. Il peso di voto effettivo diventa quindi il prodotto tra stake e diversità, normalizzato sul totale. Il concetto pratico è che due validatori che votano sempre nello stesso modo e costruiscono blocchi in maniera identica non rappresentano due fonti di informazione distinte, ma una sola, contata due volte dal sistema standard.
Il caso Ethereum e le simulazioni sulle fragilità del BFT standard
Applicando il modello al set attuale di validatori Ethereum, lo studio calcola che le prime tre entità per quota di deposito controllano il 57,2% dello stake nominale ma appena il 15,7% del peso effettivo sotto DW-BFT. All’opposto, i validatori solo distribuiti, che nominalmente detengono solo il 22,3% dello stake, arrivano a controllare oltre il 60,2% del potere di voto effettivo, proprio perché si comportano in modo indipendente l’uno dall’altro. È un rovesciamento significativo: sotto il consenso Byzantine Fault Tolerance standard, quelle tre entità superano già la soglia teorica del 33% e potrebbero, in linea di principio, finalizzare blocchi non validi.
Perché conta: il margine di sicurezza che Ethereum assume implicitamente non sarebbe quindi del 33%, ma effettivamente a singole cifre percentuali, una volta considerata la correlazione comportamentale reale tra i grandi operatori di staking. Le simulazioni condotte dall’autore, con 10.000 tentativi di attacco a diversi livelli di correlazione tra validatori sybil, mostrano che il BFT standard raggiunge un tasso di successo del 100% quando la correlazione interna al cartello è perfetta, mentre DW-BFT scende allo 0% nelle stesse condizioni.
Il silenzio strutturato: una nuova strategia per gli oracle DeFi
Il secondo risultato dello studio, il Teorema 2 sulla “optimality of structured silence”, stabilisce che una strategia silent oracle capace di trattenere la pubblicazione in condizioni di incertezza domina in modo netto qualsiasi strategia che pubblichi sempre un valore, quando esiste un avversario capace di manipolare temporaneamente il segnale osservato.
Il modello di manipolazione e la dimostrazione dietro la strategia silenziosa
Il meccanismo si basa su una metrica di coerenza, indicata come C_t, che misura quanto l’osservazione corrente sia in linea con la storia comportamentale accumulata dell’asset: flussi cross-exchange, stabilità dell’architettura dei wallet, pattern MEV, entropia temporale. Quando la coerenza scende sotto una soglia definita, l’oracle non pubblica un prezzo, ma trattiene il dato mostrando comunque metadati utili, come il gap rispetto alla soglia e una stima del tempo di recupero. La dimostrazione matematica mostra che, se la perdita causata da una pubblicazione sbagliata supera quella causata dal semplice ritardo, ogni attacco intercettato tramite il segnale di incoerenza riduce la perdita complessiva rispetto a un oracle che pubblica sempre. Poiché ogni avversario ha un budget finito, la strategia di silenzio risulta strettamente migliore ogni volta che rileva almeno un tentativo di manipolazione.
Implicazioni della strategia silent oracle
La strategia silent oracle rappresenta un cambio di paradigma rispetto agli oracle attuali. Tutti gli oracle oggi in produzione, da Chainlink a Pyth, UMA, Band, API3 e RedStone, utilizzano strategie “always-publish” che privilegiano la disponibilità continua del dato rispetto alla sua integrità. Il Teorema 2 dimostra che questo obiettivo è subottimale in presenza di avversari attivi capaci di manipolare temporaneamente il segnale osservato. Protocolli DeFi che liquidano posizioni su prezzi manipolati “perché serve sempre un numero” non sono robusti, sono semplicemente fragili per progettazione.
Le sfide aperte: dalla teoria all’implementazione
Tradurre questi risultati in pratica richiede cambiamenti profondi sia nei protocolli di resilienza consenso BFT sia nell’architettura degli oracle, e l’autore stesso elenca apertamente i punti dove la proposta potrebbe non tenere.
Adattare consenso e oracle alla nuova logica
Implementare DW-BFT significa modificare i meccanismi di finalizzazione di Casper FFG per pesare i voti in base alla diversità comportamentale d_j, non solo allo stake s_j: un cartello che vota sempre in modo identico non dovrebbe pesare come moltiplica il proprio stake, ma come un singolo voto. Allo stesso tempo, adottare il silenzio come output valido richiede che i protocolli DeFi imparino a gestire dati oracle mancanti senza andare in crash o bloccare le liquidazioni in modo caotico: è un cambiamento che rompe le assunzioni di ogni consumer oracle esistente.
Rischi e compromessi ancora da risolvere
L’autore riconosce onestamente diversi punti deboli. Un avversario potrebbe frazionarsi in mille entità con comportamenti leggermente diversi e poi coordinarsi solo al momento dell’attacco, un rischio noto come decorrelazione sybil, per cui non esiste ancora una prova formale di resistenza. Esiste inoltre il timore che DW-BFT penalizzi i validatori onesti quando tutti votano correttamente per la stessa catena, generando correlazione legittima: una soluzione euristica basata su una sottrazione di baseline è proposta, ma resta priva di dimostrazione rigorosa. Sul fronte oracle, la metrica di coerenza C_t potrebbe diventare bersaglio di manipolazione, anche se servirebbe un capitale stimato da 40 a 60 volte superiore rispetto a un attacco diretto sul prezzo. Restano infine aperte le domande su dove tracciare la soglia di silenzio per ogni caso d’uso specifico, dai mercati di prestito ai protocolli perpetual.
FAQ
Perché la correlazione comportamentale riduce il peso di voto effettivo in DW-BFT?
Perché quando i vettori comportamentali di più validatori sono quasi identici, la loro correlazione con la media del set si avvicina a 1 e il fattore di diversità d_j tende a zero, riducendo il peso effettivo indipendentemente dallo stake nominale posseduto.
In che modo la strategia silent oracle migliora la difesa dalla manipolazione dei prezzi?
Trattenendo la pubblicazione quando la metrica di coerenza segnala incertezza, l’oracle evita di diffondere valori manipolati, riducendo la perdita attesa rispetto a una strategia che pubblica sempre, anche dati compromessi.
Quali sono le principali difficoltà nell’implementare DW-BFT e la strategia del silenzio?
Bisogna adattare i protocolli di consenso a pesare i voti in base alla diversità comportamentale, modificare i protocolli DeFi perché sappiano gestire dati oracle mancanti, e difendersi da nuovi vettori d’attacco come la decorrelazione sybil e la manipolazione della metrica di coerenza.
Perché gli oracle always-publish restano vulnerabili nonostante la diffusione capillare?
Perché privilegiano la disponibilità continua del dato rispetto alla sua integrità, pubblicando sempre un valore anche durante una manipolazione avversaria, il che permette agli attaccanti di sfruttare feed obsoleti o alterati.
Contenuto realizzato con l’assistenza dell’intelligenza artificiale e con revisione editoriale umana.
