Preise werden geladen…
🩸BEARISH

ETH: Client-Diversitäts-Daten widersprechen sich dreifach

Drei Dashboards benennen drei verschiedene Mehrheits-Clients, während Datenschutzforschung genau die Spuren beseitigen könnte, mit denen Analysten das Konzentrationrisiko messen.

Ein Snapshot vom 16. September auf clientdiversity.org zeigte gleichzeitig drei unvereinbare Schätzungen des größten Konsens-Clients von Ethereum: Blockprint setzte Teku bei 99,83 %, Miga Labs setzte Lighthouse bei 51,32 %, und Rated setzte Teku bei 53,86 %. Jede Messung basiert auf einem anderen Proxy, und Sigma Prime erklärt, dass der Blockprint-Klassifikator hinter dem Wert von 99,83 % nach dem Electra-Upgrade nicht mehr funktioniert, obwohl das Dashboard ihn weiterhin als täglich aktualisiert ausweist.

Warum das wichtig ist

Client-Diversity ist eine Sicherheitseigenschaft. Ein Fehler in einem Konsens-Client, der auf mehr als 33 % der Nodes läuft, könnte die Finalität stoppen, und ein kritischer Fehler in einem Client mit Zwei-Drittel-Mehrheit könnte eine falsche Kette finalisieren und Validatoren Slashing oder teure Exits aussetzen. Keine der aktuellen Schätzungen beantwortet die Frage, die Forscher tatsächlich interessiert: die Verteilung der Stake, nicht die Zahl sichtbarer Maschinen, über die Clients hinweg.

Das Messproblem könnte noch größer werden. Vitalik Buterins Lean-Chain-Datenschutzvorschlag würde Validator-Keys täglich rotieren und Ein- und Auszahlungslinks verbergen, womit die persistenten Identifikatoren erodierten, mit denen Tools wie Rated Validatoren nach Betreiber gruppieren. Forscher arbeiten mit Hochdruck an stake-authentifizierten, privat aggregierten Client-Berichten, bevor diese Spuren verschwinden.

Marktauswirkungen

Solange es keine glaubwürdigen, authentifizierten Berichte gibt, bleibt die zentrale Sicherheitsmetrik des Netzwerks faktisch nicht überprüfbar, was die Tragweite jedes client-gebündelten Fehlers erhöht. Eine USENIX-Studie von 2025 zeigte, dass vier Beobachter-Nodes über 15 % der Validatoren lokalisieren konnten, und demonstrierte damit sowohl die Macht als auch den Datenschutzpreis aktueller Tracing-Methoden. Beobachtenswert sind Fortschritte bei Nethermind-artiger Forschung zu privater Aggregation sowie etwaige Dashboard-Standards, die Unsicherheit neben den Schätzungen veröffentlichen.

Verwandte Tokens
$ETH

Häufig gestellte Fragen

  1. Warum zeigte clientdiversity.org gleichzeitig drei unterschiedliche Ethereum-Client-Anteile?

    Die Seite aggregiert unabhängige Schätzungen, die jeweils ein anderes Signal messen: Blockprint klassifiziert Blockverhalten per maschinellem Lernen, Miga Labs crawlt Peer-Metadaten, und Rated nutzt eine nicht offenlegte Methode. Am 16. September ergab das 99,83 % Teku, 51,32 % Lighthouse und 53,86 % Teku.

  2. Warum gilt die Blockprint-Schätzung von 99,83 % für Teku als unzuverlässig?

    Sigma Primes archiviertes Repository erklärt, der Klassifikator sei nach Ethereums Electra-Upgrade nicht mehr genau, und stuft das Projekt als beendet ein. Clientdiversity.org weist das Blockprint-Panel dennoch weiterhin als täglich aktualisiert aus.

  3. Was passiert, wenn ein Ethereum-Konsens-Client 33 % oder 66 % des Netzwerks überschreitet?

    Ein Fehler in einem Client, der auf mehr als 33 % der Nodes läuft, könnte die Finalität verhindern, ein Liveness-Versagen. Ein kritischer Fehler in einem Client mit Zwei-Drittel-Mehrheit könnte eine falsche Kette finalisieren, ein Sicherheitsversagen, das Validatoren Slashing oder erzwungenem Exit und Re-Entry…

  4. Wie würde Ethereums Lean-Datenschutzvorschlag die Messung der Client-Diversity verändern?

    Der Vorschlag würde das Register aktiver Validatoren täglich mit frischen Keys neu aufbauen und Hiding Commitments für Ein- und Auszahlungen nutzen. Das würde die persistenten Identifikatoren zerstören, etwa die Gruppierung nach Einzahlungsadressen, mit denen Analysten die Konzentration von Betreibern und Stake im…

  5. Was ist der vorgeschlagene Ersatz für das aktuelle Tracking der Client-Anteile?

    Forscher, darunter ein Nethermind-Projekt, untersuchen private aggregierte Berichte, bei denen Validatoren ihre Client-Wahl verschlüsseln und kryptografisch belegen, dass die Stimmen gültig sind, wobei nur das Aggregat offengelegt wird. Offene Fragen betreffen Authentifizierung, Sampling, Falschdaten und die separate…

Quellenangabe
Aggregiert von CryptoSlate · Verifiziert · Zuletzt aktualisiert vor 3d
Original öffnen →