paint-brush
Quão centralizado é descentralizado?by@cryptosovereignty
114

Quão centralizado é descentralizado?

As tecnologias de registro distribuído (DLTs) de rápido crescimento receberam recentemente atenção entre pesquisadores da indústria e da academia. Embora muitas análises existentes (principalmente) das redes Bitcoin e Ethereum estejam disponíveis, observa-se a falta de medições para outros projetos de criptografia. Este artigo aborda questões sobre tokenomics e distribuições de riqueza em criptomoedas. Analisamos as propriedades estatísticas dependentes do tempo dos principais detentores de criptomoedas para 14 projetos diferentes de contabilidade distribuída. As métricas fornecidas incluem coeficiente de Zipf aproximado, entropia de Shannon, coeficiente de Gini e coeficiente de Nakamoto. Mostramos que existem diferenças quantitativas entre as moedas (criptomoedas que operam em sua própria rede independente) e os tokens (que operam em cima de uma plataforma de contrato inteligente). Os resultados apresentados mostram que moedas e tokens possuem diferentes valores de coeficiente Zipf aproximado e níveis de centralização. Este trabalho é relevante para DLTs, pois pode ser útil na modelagem e melhoria do processo de seleção de comitês, especialmente em organizações autônomas descentralizadas (DAOs) e blockchains de prova de participação delegada (DPoS).
featured image - Quão centralizado é descentralizado?
Crypto Sovereignty Through Technology, Math & Luck HackerNoon profile picture

Este artigo está disponível no arxiv sob licença CC 4.0.

Autores:

(1) Bartosz Kusmierz, Fundação IOTA 10405 Berlim, Alemanha e Departamento de Física Teórica, Universidade de Ciência e Tecnologia de Wroclaw, Polônia [email protected];

(2) Roman Overko, Fundação IOTA 10405 Berlim, Alemanha [email protected].

Tabela de links

Resumo e Introdução

Trabalho Relacionado e Metodologia

Resultados

Resumo e Referências

Abstrato

As tecnologias de registro distribuído (DLTs) de rápido crescimento receberam recentemente atenção entre pesquisadores da indústria e da academia. Embora muitas análises existentes (principalmente) das redes Bitcoin e Ethereum estejam disponíveis, observa-se a falta de medições para outros projetos de criptografia. Este artigo aborda questões sobre tokenomics e distribuições de riqueza em criptomoedas. Analisamos as propriedades estatísticas dependentes do tempo dos principais detentores de criptomoedas para 14 projetos diferentes de contabilidade distribuída. As métricas fornecidas incluem coeficiente de Zipf aproximado, entropia de Shannon, coeficiente de Gini e coeficiente de Nakamoto. Mostramos que existem diferenças quantitativas entre as moedas (criptomoedas que operam em sua própria rede independente) e os tokens (que operam em cima de uma plataforma de contrato inteligente). Os resultados apresentados mostram que moedas e tokens possuem diferentes valores de coeficiente de Zipf aproximado e níveis de centralização. Este trabalho é relevante para DLTs, pois pode ser útil na modelagem e melhoria do processo de seleção de comitês, especialmente em organizações autônomas descentralizadas (DAOs) e blockchains de prova de participação delegada (DPoS).


Termos de indexação — Criptomoedas, Tokenomics, DPoS, Distribuição de Riqueza, Lei Zipf

I. INTRODUÇÃO

O advento do Bitcoin [13] deu origem a um interesse crescente em sistemas distribuídos ao longo da década de 2010. O espaço recém-criado de criptomoedas atraiu muitos cientistas, programadores e investidores empresariais. Devido à complexidade das tecnologias de contabilidade distribuída (DLT), o seu desenvolvimento requer conhecimentos em muitos campos da ciência, incluindo matemática aplicada, criptografia, teoria dos jogos, economia, redes peer-to-peer (p2p) e teoria da codificação. Nos primeiros anos das DLTs, as questões de natureza tecnológica receberam mais atenção, uma vez que problemas como o mecanismo de consenso e a camada ponto a ponto estão no centro de qualquer tecnologia desse tipo. Infelizmente, questões sobre economia, distribuição de criptomoedas e tokenomics ficaram em segundo plano na pesquisa acadêmica sobre criptomoedas e não foram suficientemente abordadas (com algumas exceções notáveis).


Isto é lamentável, uma vez que o modelo de conta pseudo-anónima Bitcoin permite uma transparência de transacções sem precedentes nos sistemas financeiros tradicionais, onde quase todos os pagamentos são privados e altamente sensíveis. Além disso, o Bitcoin permitiu novos modelos monetários e os implantou em escala global. Notavelmente, a quantidade de unidades monetárias Bitcoin é limitada a 21 milhões. No entanto, devido à perda de algumas carteiras Bitcoin, como resultado de negligência ou erro humano, a política monetária do Bitcoin é efetivamente deflacionária. A política monetária não é o único fator importante na distribuição de criptomoedas. Até mesmo soluções tecnológicas como mecanismos de consenso podem influenciar a distribuição de criptomoedas. Neste contexto, uma comparação dos mecanismos de consenso de Prova de Trabalho (PoW) e Prova de Participação (PoS) é muito informativa. No PoW, unidades monetárias recém-criadas são recompensadas aos usuários especializados, chamados mineradores, que têm acesso ao eficiente Circuito Integrado de Aplicação Específica (ASIC). Os mineradores PoW podem possuir um grande número de unidades de criptomoeda; no entanto, uma grande parte das recompensas extraídas deve ser vendida para cobrir despesas como contas de eletricidade, aluguel e custos de amortização de máquinas ASIC. Nos sistemas PoS, entretanto, novos tokens são recompensados aos stakers que detêm um grande número de unidades de criptomoeda. Ao contrário dos mineiros PoW, os stakers PoS não enfrentam custos elevados e são incentivados a não vender as suas recompensas, pois isso aumenta as suas receitas no futuro. Isso ilustra que mesmo soluções tecnológicas supostamente agnósticas monetárias podem influenciar a tokenomics.


Este artigo aborda parcialmente as questões da tokenômica das criptomoedas. Analisamos a distribuição das contas mais ricas em criptomoedas como Bitcoin, Ethereum e tokens ERC20 selecionados. Nossa análise envolve conjuntos de dados capturados em datas diferentes com um determinado intervalo de tempo. Utilizamos esses conjuntos de dados para medir diferentes métricas estatísticas e analisar a sua evolução ao longo do tempo. Estudos anteriores [6], [7], [10] mostraram que as distribuições dos mais ricos

os saldos podem ser modelados com a lei de Zipf. Expandimos esses resultados e estudamos a evolução temporal do coeficiente da lei de Zipf associado a tais distribuições. Notavelmente, analisamos criptomoedas que, até onde sabemos, nunca foram analisadas antes usando métodos semelhantes. A seguir, procedemos com uma análise minuciosa de uma série de métricas de centralização como entropia de Shannon, índice de Gini e coeficiente de Nakamoto. Essas métricas são usadas para responder à principal questão abordada neste artigo, que é formulada da seguinte forma: Existem diferenças quantitativas entre os principais saldos das contas em “moedas” e “tokens” de criptomoeda? Portanto, a novidade deste trabalho compreende os dois aspectos a seguir: (i) estudar diferenças quantitativas entre moedas e tokens e (ii) examinar criptomoedas cuja análise é perdida na literatura.


Uma distinção entre moedas e tokens de criptomoeda foi feita em [22], onde os autores definem as moedas como operando em seu próprio livro-razão/rede independente e os tokens como operando no topo de uma rede de moedas (normalmente plataformas de contratos inteligentes como Ethereum ou Cardano). Para os fins deste artigo, usamos as mesmas definições.


Esta pesquisa pode ser particularmente interessante para DLTs, onde um grupo dos principais detentores de criptomoedas desempenha um papel especial. Os exemplos incluem Organizações Autônomas Descentralizadas (DAOs), nas quais um comitê dos principais detentores de tokens é responsável pela governança do DAO ou pela gestão do tesouro. Outros exemplos são blockchains de Prova de Participação Delegada (DPoS), onde um comitê relativamente pequeno de validadores de bloco emite atualizações de razão ou distribui geradores de números aleatórios com base no esquema de assinatura de limite. Como nossa pesquisa está focada em um grupo relativamente pequeno dos principais detentores de tokens, ela pode ser aplicada diretamente na modelagem dos exemplos mencionados acima. Isto também é razoável, pois o tamanho típico do comitê de assinatura limite é limitado pela complexidade da mensagem (até 50 a 100 nós). Nossa pesquisa pode ajudar a melhorar o processo de seleção do comitê, pois fornecemos uma série de parâmetros do coeficiente da lei de Zipf, que pode ser usado como modelo de distribuição de criptomoedas.


A estrutura do artigo é a seguinte. Na próxima seção, discutimos trabalhos relacionados e apresentamos os métodos e ferramentas utilizados neste artigo. A Seção III é dedicada à apresentação e análise dos resultados. Na última seção, concluímos nossas descobertas e discutimos pesquisas futuras.