mev-share 中的差分隐私聚合提示
密码学与安全
2025-08-21 v1
摘要
Flashbots 最近发布了 mev-share，以赋予用户控制其与搜索者共享信息量的能力，从而提取最大可提取价值（MEV）。搜索者需要更多信息来维持链上交易效率和盈利能力，而用户则旨在通过保留信息来防止抢跑。在分析了 mev-share 中的两种搜索策略以推理搜索技术后，本文引入了差分隐私（DP）聚合提示作为一种新型提示，用于定量披露信息。DP 聚合提示使用户能够正式量化其向搜索者披露的隐私损失，从而更好地估计应要求返还的返利水平。本文讨论了 mev-share 的当前属性和隐私损失，并阐述了 DP 聚合提示如何能为用户和搜索者增强该系统。我们利用可信策展人模型中的差分隐私来设计我们的聚合提示。此外，我们解释了随机采样如何防御女巫攻击并增强整体用户隐私，同时为搜索者提供有价值的提示，以改进回跑提取和抢跑预防。
引用
@article{arxiv.2508.14284,
title = {Differentially Private aggregate hints in mev-share},
author = {Jonathan Passerat-Palmbach and Sarisht Wadhwa},
journal= {arXiv preprint arXiv:2508.14284},
year = {2025}
}