이더리움 트랜잭션 예측

마지막 업데이트: 2022년 1월 1일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
예측 5. DeFi 총예치금액(TVL)은 1000억달러에 도전할 것. 예측 6. 2020년말 시총 50위 내 DeFi 토큰 비중 10개, 2021년 말에는 13개 이상으로 DeFi 토큰의 시총 Top 50 비중이 30% 이상 높아질 것.

신입개발자 쩨리

EIP-1559는 2019년 4월에 처음 제안된 이후 가장 주목 받았으며 업그레이드가 기다려졌던 개선안 중 하나이다. EIP-1559는 실제로 런던 하드포크 이후 이더리움의 거래 모델에 큰 변화를 가져오기도 했다. EIP-1559가 무엇인지 이더리움 네트워크에 어떤 영향을 끼쳤는지 알아보자.

런던 하드포크

이더리움은 2021년 8월4일(한국 시간 기준, 8월 5일)에 아주 중요한 업데이트를 하게된다. 이더리움의 고질적인 문제점을 개선하기 위해 런던 하드포크를 진행한 것이다( 런던에서 열렸던 개발자 회의에서 업데이트 내용이 확정되어 런던 하드포크라고 불림 ). 기존 이더리움 네트워크는사용자들이 수수료 값을 어림짐작으로 예측하여 지불했으며 트랜잭션 처리 속도가 느렸다. 이 부분을 해결하고자 런던 하드포크에서 총 5가지의 이더리움 개선 제안(EIP)을 채택하여 업그레이드를 진행하게 된다. 5가지 사항은 아래를 참고하길 바라며 그 중 가장 중요한 사항은 수수료 정책 개선에 관한 부분으로 EIP-1559 이다.

Legacy 수수료 정책( Before )

이더리움의 수수료 정책이 어떻게 변화되었는지 알기 위해선 기존의 레거시 수수료 모델을 이해할 필요가 있다. EIP-1559 업그레이드 전, 이더리움 사용자들은 거래를 하기 위해 네트워크 혼잡도에 따라 수수료를 어림짐작으로 예측하여 제출했다. 이때는 블록 채굴자들이 블록 채굴 보상으로 블록에 포함되는 모든 거래들의 수수료를 가져가는 구조였기에 블록 채굴자들은 수수료가 높은 거래를 위주로 거래들을 골라 담아 갔다. 사용자들은 자신의 거래가 빨리 수행되기 위해선 더 높은 수수료를 내고 블록에 채택되길 기다려야했다.

여기서 가장 큰 문제점은 사용자들은 어느 정도의 수수료를 지불해야 블록에 포함되는지 모르는 점이다. 그래서 사용자들은 거래가 빨리 수행되길 바라며 수수료 경매장에 입찰을 해나갔고 수수료 경쟁을 스스로 심화 시켰다.

이러한 문제점은 가스비를 예측하기가 힘들어 매번 수수료 변동 폭이 커지면서 블록체인 프로젝트나 DApp을 운영하는데 어려움이 발생하고 사용자들의 불편함을 초래했다.

문제점은 하나 더 존재했다. 바로 블록의 크기이다.

EIP-1559 업그레이드 전, 모든 블록은 동일한 블록 크기(Block Limit)를 가졌다. 거래가 몰리는 혼잡한 시간대나 널널한 시간대 전부 상관없이 블록은 크기가 정해져 있었기에 처리하는 트랜잭션 수량이 항상 일정했다. 그렇기에 거래가 몰리는 시간이면 블록을 생성하는 시간보다 처리해야할 거래 수가 많고, 거래를 담아가는 수량도 일정하기에 거래 확정 시간이 늦어질 수 밖에 없었다. 거래 확정이 늦어지면 사용자들은 수수료를 더 높여서 지불했고 이 또한 수수료가 상승하는 주된 원인이 되었다.

아래 사진을 보면서 예를 들어보자. 본인은 수수료 20 Gwei에 거래를 제출했다. 제출하기 전에는 최근 블록의 수수료 평균 가격이 20 Gwei 였기 때문이다. 하지만 제출한 시점에 갑자기 네트워크가 혼잡(가스 스파이크)해져서 블록의 평균 수수료가 100 Gwei까지 상승하였다. 블록은 담아갈 수 있는 거래 수가 정해져있어서 100 Gwei 이상의 거래만 골라서 담게된다. 본인의 거래는 2번째, 3번째 블록에서 계속 보류 중( pending )이며 수수료 평균이 20 Gwei로 낮아질때까지 기다렸다가 4번째 블록이 생성되어서야 거래가 확정된다.

출처 : https://www.xdefi.io/eip-1559-introduction/

기존 레거시 정책은 그야말로 수수료 경쟁을 심화할 수 밖에 없는 구조인 것이다. 개발자들은 이러한 문제점들을 개선할 필요성을 느꼈고 런던 하드포크를 진행하게 된다.

EIP-1559 수수료 정책

EIP-1559의 목적과 개선 사항은 아래와 같다.

1. 사용하게 될 수수료 예측을 더 쉽게할 수 있도록 하자
2. 블록 크기가 가변적으로 변하게 해서 수요가 급증할때 크기를 2배로 증가시켜 트랜잭션(거래) 확정 시간을 줄이자
3. 네트워크 현재 수요에 따라 알고리즘으로 가스비가 자동 결정되게 함으로써 UX를 개선하자
4. 사용자가 지불한 요금 중 일부가 연소(Burn)되어 이더의 희소성을 높이자. 거래 이용 증가가 곧 모든 이더 홀더들에게 이익으로 돌아갈 것이다

아래부터는 EIP-1559로 업그레이드 되고나서 새로 등장한 개념들을 설명한다.

가변 블록 크기(Variable Block Size)

기존에 이더리움의 블록은 하나의 블록에 들어갈 수 있는 블록의 크기(Block Limit)가 1500만 가스로 제한을 두고 있었다. 네트워크가 혼잡할 때마다 블록은 꽉 차 있었고 거래를 빨리 확정하기 위해서 가스 가격이 급격하게 상승하였다.

EIP-1559는 이 문제점을 개선하기 위해 혼잡도에 따라 블록 크기를 일시적으로 늘릴 수 있도록 업데이트 했다. 현재 블록은 기존보다 2배의 크기로 최대 3000만까지 제한을 늘릴 수 있다.

EIP-1559 이후 새로운 개념이 등장하는데 바로 Limittarget이다. EIP-1559 이후에 [50% 만큼 가득차 있는] 블록의 Limit는 EIP-1559 이전에는 원래 [100% 만큼 가득차 있는] 블록의 Limit과 같다고 볼 수 있다. 따라서 현재 시점으로 블록이 1500만 가스를 사용했으면 gas Target이 +50% 만큼 사용했다고 말할 수 있고, 블록이 3000만 가스를 사용했으면 gas Target이 +100% 만큼 사용했다고 말할 수 있다.

이더리움은 각 블록들이 50%만큼 가스를 사용하는 것이 가장 이상적이며 가장 적합한 목표치라 말한다. 블록 크기를 늘리는 것도 공짜는 아니기 때문이다. 목표치 이상을 사용하게 되면 수수료 기본 평균이 인상되고, 작게 사용하게 되면 반대로 감소한다. 급격한 수수료 변동 폭을 줄이기 위해 수수료 기본 가격의 상승과 감소의 폭은 12.5%로 제한했다.

아래 사진으로 예를 들어보자. 본인은 수수료 20 Gwei에 거래를 제출했다. 현재 블록의 기본 수수료가 20 Gwei였기 때문이다. 이때, 제출한 시점에 갑자기 네트워크가 혼잡(가스 스파이크)해졌다. 하지만 갑자기 기본 수수료가 증가하지는 않는다. 대신 몰리는 거래량을 수용하기 위해 블록의 크기가 커진다. 2번째 블록이 커졌기에 커지는 만큼 다음 3번째 블록의 기본 수수료가 증가하여 22.5 Gwei가 되었다. 3번째 블록에서도 거래가 몰려 블록 크기가 커졌기에 4번째 블록 또한 기본 수수료가 25 Gwei로 높아진다. 하지만 혼잡도가 높진 않아 블록 크기가 줄어들었다. 이때 본인은 20 Gwei의 수수료를 제출했기에 2번째 블록에서 거래가 확정되었다.

출처 : https://www.xdefi.io/eip-1559-introduction/

요약하자면 EIP-1559를 적용한 뒤에 블록 크기가 가변적으로 변동할 수 있어 네트워크 혼잡도에 따라 대응할 수 있고, 수수료 가격 변동성이 적기 때문에 기존 레거시 정책보다 거래가 더 빨리 확정된다.

블록에 트랜잭션을 포함하기 위해 필요한 최소 가스 가격이다(가스 단위당 Gwei). 블록에 포함되는 트랜잭션(거래)들은 모두 기본적으로 BaseFee를 기반으로 gasPrice(가스 가격)이 측정된다. BaseFee(기본료)는 이더리움 네트워크의 혼잡도에 따라 프로토콜에 의해 알고리즘적으로 설정된다.

블록에서 가스의 50% 이상 사용되면 BaseFee는 증가하고, 50% 미만으로 사용이 감소하면 기본료도 감소된다. 사용이 증가하고 감소하고는 부모 블록의 parentGasUsed와, parentGasTarget 값을 참고하여 결정된다. gasTarget이란 부모 블록보다 gas를 얼마나 더 소비했는지(gasUsed)를 나타내는 측정 값이다. 즉, parentGasTarget이 50%보다 크기가 높으면 블록의 BaseFee가 증가하고, parentGasTarget 값이 50%보다 크기가 낮으면 블록의 BaseFee가 감소한다.

블록의 BaseFee는 부모 블록에 비해 블록이 가득찼는지를 기준으로 ±12.5%까지 크기가 변동될 수 있다. 즉 BaseFee(기본료)가 부모의 BaseFee를 기준으로 ±12.5까지 변동이 가능하다고 예측이 가능한 것이다.

PriorityFee

사용자가 거래를 블록에 포함시기위해 채굴자에게 직접 지불하는 가스 가격(가스 단위당 Gwei)으로 급행료 또는 팁(Tip)이라고 부르기도 한다.

채굴자의 채굴 보상이 트랜잭션의 모든 gasPrice를 받는 것에서 트랜잭션의 모든 PriorityFee를 받는 것으로 변경되었다. PriorityFee는 사용자가 직접 설정하며 PriorityFee를 많이 내는 사람일수록 더 빨리 블록에 포함된다.

레거시때의 수수료 경쟁과 다른게 뭔지 궁금할거라 생각한다. 팁은 보통 1~3 Gwei 밖에 되지 않으며 이더리움 연구소에서 추천하는 가격은 2 Gwei라고 한다. 2 Gwei는 절대 적은 금액이 아니며 블록에 빠르게 포함가능한 수치이다. 팁 또한 변동 폭이 적으니 레거시때보다 수수료 경쟁이 완화되었고 사용자 편의 환경이 훨씬 상향되었다고 말할 수 있겠다.

사용자가 트랜잭션에 대해 지불할 의사가 있는 최대 가스 가격(가스 단위당 Gwei)으로 트랜잭션을 제출할때 사용자가 직접 설정한다. MaxFee는 BaseFee보다 낮게 설정할 수 없다.

수수료 계산 방법

트랜잭션을 처리할때 사용자는 BaseFee와 PriorityFee를 수수료로 주게되는데, 채굴자들이 수수료를 높이는 조작 행위를 방지하기 위해 BaseFee는 소각된다. 또한 제출하는 수수료의 최대 금액을 사용자가 직접 설정하여 수수료 지불의 제한선을 두었다.

출처 : https://keyring.app/everything-about-eip-1559-ethereum-you-need-to-know

사용자는 잔고를 확인 한 뒤 최대로 지불할 수 있는 두 개 값을 설정한다. 이때 두 값의 최대값을 maxFeePerGas와 maxPriorityFeePerGas라고 한다.

maxFeePerGas

maxFeePerGas는 자신이 최대로 허용할 수 있는 가스의 최대 가격이다.

본인이 현재 트랜잭션을 제출한다고 가정해보자. 본인은 현재 이미 생성된 부모 블록의 BaseFee 값은 알 수 있지만, 본인이 제출할 트랜잭션이 어떤 블록에 담길지는 알 수 없기에, 담길 블록의 BaseFee를 알 수 없는 상태이다. BaseFee를 알 수 없으니 최대로 지불할 수있는 MaxFee 값을 정할 것이다. 본인은 Max값을 200 Gwei로 제출했다. 막상 거래가 확정되고 확인한 BaseFee는 100 Gwei 였다. 본인은 수수료를 100 Gwei 더 높게 설정했지만 이것은 채굴자에게 모두 지불 되지않고 초과된 100 Gwei는 다시 환불된다.

이때 중요한 점은 MaxFee를 BaseFee보다 낮게 설정하면 거래가 처리되지 않거나 계속 pending 상태로 머물러있다. 그렇다면 MaxFee는 얼마를 측정해야 좋을까? 아래의 공식으로 MaxFee를 구할 수 있다.

BaseFee의 2배를 곱하는 이유는 이렇게하면 통상적으로 gasTarget이 100%인 블록의 6개는 무난하게 통과된다고 한다.

maxPriorityFeePerGas

maxPriorityFeePerGas는 채굴자에게 줄 수 있는 팁의 최대값이다. maxPriorityFeePerGas을 0으로 설정하면 채굴자에게 주어지는 이더가 없기 때문에 채굴자가 트랜잭션을 후순위로 처리할 가능성이 높다.

본인이 현재 트랜잭션을 제출한다고 가정해보자. BaseFee가 100 Gwei 인데 maxFeePerGas를 300 Gwei로 주고, maxPriorityFeePerGas를 5 Gwei로 입력하여 트랜잭션을 제출하였다. 100 Gwei(BaseFee) + 5 Gwei(maxPriorityFeePerGas) = 105 Gwei를 최종 지불하게 된다. 이때 채굴자는 오직 팁만 보상으로 가질 수 있기에 실제로 채굴자에게 지급되는 금액은 5 Gwei 이다. 100 Gwei는 소각되고, 초과 지출한 200 Gwei는 환불된다.

실제로 채굴자에게 지급되는 금액은 maxPriorityFeePerGas 값과 maxFeePerGas에서 BaseFee를 뺀 값 두개 중에 가장 최소값이 지불된다.

출처 : https://thedailygwei.substack.com/p/this-is-eip-1559-the-daily-gwei-300?s=r

Legacy와의 비교

EIP-1559 이전(Legacy)의 수수료를 구하는 법은 아래와 같다.

EIP-1559 이후는 gasPrice가 사라지고 BaseFee와 PriorityFee를 더한 금액에서 사용한 가스만큼을 곱한 금액이 최종 지불하는 수수료이다.

BaseFee는 프로토콜에서 자동적으로 산출되기에 레거시 때보다 수수료 급등 현상을 막을 수 있고, 수수료가 어느 정도인지 예측할 수 있게 되어 사용자에게 편의를 제공한다.

이더리움 소각

EIP-1559가 주목과 지지를 받게된 주된 이유는 사용자가 지불한 수수료 중 일부가 소각되어 채굴자에게만 집중되어 있던 보상을 이더리움 네트워크 사용자 전체에게 돌아가도록 한다는 기능이 있어서이다. 사용자는 BaseFee와 PriorityFee를 수수료로 지불하며 채굴자에게는 보상으로 PriorityFee만 주어지고 BaseFee는 모두 소각된다. 사용자들의 거래량이 많아질수록 비례하여 이더가 소각되므로 이더의 희소성이 증가하여 가격이 상승하는 것이다. 이더리움 네트워크의 모든 사용자들에게 균등하게 보상이 주어지는 것이다.

이더 소각은 네트워크 전체에 긍정적인 영향을 끼치기도 하지만 비판도 존재한다. 긍정적인 영향은 네트워크 사용률이 충분히 높을때에만 이익을 얻을 수 있는 것이며, 소각이 계속 지속되면 이더 발행량보다 소각량이 초과할 수 있어 이더의 인플레이션을 일으킬 것이다라는 허를 찌르는 비판도 받아왔다.

하지만 이더리움 2.0의 도입을 위해서는 결국 이더 발행 수량을 줄이는 것이 맞는 방향이다. 이후 곧 난이도 폭탄이 도래하여 채굴자들이 줄어들 것이고 자연스레 이더 발행 또한 줄어들 것이다. 이더 소각에 대해 불평하는 사람은 드물 것이다.

마무리

EIP-1559의 이점을 요약하자면 아래와 같다.

거래 수수료 정책 개선 : 프로토콜 알고리즘에 따라 수수료가 책정되므로 사용자는 변화하는 가스 가격을 예측할 필요가 없다.
초과 수수료 지급 감소 : 사용자는 자신이 지불한다고 제출한 금액에 관계없이 계산된 최소의 금액(BaseFee + PriorityFee)만 지불한다.
신뢰성 높은 트랜잭션 처리 방식 : 네트워크의 혼잡으로 인해 가스 가격이 급등하는 현상을 블록의 크기를 먼저 변경함으로써 제한한다.
이더 보유자와 이더리움 네트워크에 긍정적인 관계를 유지 : 이더 보유자는 BaseFee 소각에 의해 이더리움 네트워크 상에서 이익을 얻는다.

EIP-1559가 업데이트 되면서 메타마스크 등 DApp 및 지갑 서비스들도 업데이트를 진행했다. 수수료의 양을 높게~낮게 설정함으로써 사용자에게 편리한 UX를 제공할 수 있게된 것이다. 확실히 이전보다 이더리움 거래를 하는 것에 쉽게 접근하도록 편의를 높였다고 생각한다.

EIP-1559의 장점은 명확하지만 아직은 체감적으로 수수료가 낮아졌다고 느끼긴 힘들다. NFT의 수요가 급등하며 전체적으로 수수료 값이 상승하여 본인은 이전과 크게 달라진 점은 느끼지 못하겠다. 수수료가 쎄다는 진입장벽이 아직 존재하기에 이더리움의 업데이트는 계속해서 개선해 나가야한다고 생각하며 이더리움 2.0이 하루빨리 도입되어 변화를 지켜봐야할 것이다.

이더리움 트랜잭션이란 무엇입니까?

암호화폐 세계에서 이더리움(ETH)이라는 단어는 더 이상 낯설지 않습니다. 이더리움 트랜잭션이란? ETH 거래의 운영. ETH 거래 클래스. 가스 요금의 정의.

Ethereum 거래에 대해 알아야 할 사항

이더리움 트랜잭션은 일반적으로 계정에서 암호로 표시된 지시로 알려져 있으며, 이더리움 네트워크의 상태를 새로 고치기 위해 레코드가 트랜잭션을 시작하는 상황입니다. 한 ETH 계정을 다른 계정으로 거래하는 것이 일반적으로 가장 쉬운 거래입니다.

암호화폐와 같은 디지털 화폐의 영역에서 이더리움 거래는 원격으로 청구된 계정에 의해 시작되거나 하루가 끝날 때 합의가 아닌 인간에 의해 이루어지는 활동입니다. Johnny가 Jim에게 2 ETH를 보낸다고 가정하면 Johnny의 기록이 청구되어야 하고 Jim의 기록이 입금되어야 합니다. 이 상태가 변경되는 시점에서 활동은 트랜잭션과 함께 발생합니다.

현재 이더리움의 합의 지침에 비추어 네트워크는 거래가 다음과 같다는 데 동의합니다.
합법적이고 이후에는 블록체인 자체에 추가되는 블록에 추가됩니다.
RLP로 인코딩된 트랜잭션이 이 트랜잭션에 추가되며 실제 트랜잭션의 미묘함을 결정할 수 있는 능력을 보여주며 값, 예를 들어 값, 데이터, 정보, 가능한 한 가스 값, nonce, 그리고 결론적으로 서명.
수취인은 트랜잭션이 실제로 전송된 레코드 주소입니다. 소스에서 수혜자로 이동하는 Ether의 가치는 XNUMX일 수도 있습니다.

가스 비용은 소스가 모든 가스 단위에 대해 지불하는 합계입니다. nonce는 소스별로 있고 다음 액세스 가능한 그룹화 번호와 일치해야 하는 그룹화 번호입니다. 표시는 거래 화주를 인식하고 확인하는 정보입니다.

기본적으로 EVM의 상태에 영향을 미치는 트랜잭션은 전체 네트워크에 전달되어야 합니다. 모든 허브는 EVM을 실행하기 위한 트랜잭션 요청을 전달할 수 있습니다. 이 일이 발생한 후 광부는 교환을 실행하고 조직의 나머지 부분에 후속 상태 변경을 전파합니다.

거래는 상당한 비용과 채굴이 필요합니다. 이 개요를 보다 간단하게 만들기 위해 가스 비용과 다른 곳의 채굴을 다룰 것입니다. 제출된 거래에는 다음 데이터가 포함됩니다.

정보는 다음과 같습니다:

  • 수취인 – 받는 주소(원격으로 소유한 계정인 경우 거래소가 존경을 표시합니다. 계약 계정인 경우 거래소에서 계약 코드를 실행합니다)
  • 서명 – 소스의 식별자입니다. 이는 발송인의 개인 키가 거래에 서명하고 출처가 이 교환을 승인했음을 확인할 때 발생합니다.
  • Esteem – 소스에서 수혜자로 이동하기 위한 ETH의 측정값(WEI에서는 ETH 그룹)
  • 정보 - 엉뚱한 정보를 통합하기 위한 임의 필드
  • 가스 한도 – 거래에서 소비할 수 있는 가스 단위의 가장 과도한 측정입니다. 가스 주소 계산 발전의 단위
  • MaxPriorityFeePerGas – 가장 과도한 가스 측정은 광부에 대한 팁으로 구성됩니다.
  • MaxFeePerGas – 교환에 대해 지불할 수 있는 최대 가스 측정값(baseFeePerGas 및 maxPriorityFeePerGas 종합)

가스는 채굴자가 거래를 처리할 것으로 예상되는 계산에 대한 참조입니다. 고객은 이 계산에 대한 요금을 지불해야 합니다. 가스 한도와 maxPriorityFeePerGas는 채굴자에게 지불되는 최대 거래 수수료를 결정합니다. 가스에 대한 추가 정보.

ETH 거래 클래스

최소한 몇 가지 종류의 거래가 있습니다.

  • 표준 거래: 하나의 지갑에서 시작하여 다음 지갑으로 이동하는 교환.
  • 계약 조직 거래: 정보 필드에서 계약 코드를 사용하는 '받는 사람' 주소가 없는 교환.
  • 계약의 실행: 전송된 기민한 계약과 인터페이스하는 교환. 이 상황에서 '받는 사람' 주소는 정통한 계약 주소입니다.

가스에 대한 정보

참조된 바와 같이 트랜잭션을 실행하려면 가스가 필요합니다. 기본 교환 교환에는 21000 단위의 가스가 필요합니다.

트랜잭션 수명 주기와 관련된 단계

트랜잭션이 발생하면 다음이 발생합니다.

  • 트랜잭션을 보낼 때 암호화는 트랜잭션 해시를 생성합니다.
  • 그런 다음 교환은 조직으로 전송되고 여러 묶음이 있는 풀로 기억됩니다.
    다른 교환.
  • 굴착기는 귀하의 거래를 선택하고 확인하기 위해 사각형을 위해 기억해야 합니다.
    교환하고 그것을 "익숙한"것으로 생각하십시오.
    조직이 점유하고 굴착기가 없는 경우 이더리움 트랜잭션 예측 이 단계에서 버틸 수 있습니다.
    따라갈 준비가 되었습니다.
  • 귀하의 교환은 "확인"을 받게 됩니다. 긍정의 양은
    거래를 통합한 제곱 이후에 만들어진 제곱 수입니다. 더 높이
    숫자가 많을수록 조직이 처리하고 인식한 확신이 더 주목할 만합니다.
    거래.
    최근 사각형이 다시 조정되어 거래가 비효율적이라는 인상을 줄 수 있습니다. 어쨌든 거래는 대체 사각형에 대해 합법적일 수 있습니다.
    재연관 가능성은 채굴된 각 블록에 따라 감소합니다. 예를 들어, 확인의 양이 더 중요할수록 교환은 더 변하지 않습니다.

ETH 거래는 어떻게 작동합니까?

대다수가 암호화 거래를 고려할 때마다 가장 덜 복잡한 종류인 토큰 이동을 고려합니다. 한 지갑에서 다른 지갑으로 코인을 보내는 방식입니다. Ethereum에서 클라이언트는 ETH를 이렇게 서로 보낼 수 있습니다. 이러한 거래는 비트코인 ​​또는 다른 조직의 거래와 유사하게 작동합니다.
그러나 이더리움은 정통한 계약 용량으로 인해 네트워크에서 달성할 수 있는 두 가지 추가 유형의 트랜잭션이 있습니다. 이러한 거래에는 현명한 계약 전달 및 이전 계약과의 연결이 포함됩니다.

이더리움 트랜잭션은 조직에 기록을 제공하는 지시문으로 간주됩니다. 계정이 트랜잭션을 보내면 이더리움 네트워크의 상태도 마찬가지로 업데이트됩니다.
가장 쉬운 종류의 트랜잭션은 ETH를 한 레코드에서 다른 레코드로 이동하는 것을 포함하는 기호 트랜잭션입니다. 현명한 계약은 Ether 거래를 사용하여 추가로 작동합니다. 또한 누군가 스마트 계약과 인터페이스할 때마다 이 활동은 이더리움 트랜잭션을 통해 발생합니다.
각 종류의 이더리움 트랜잭션을 마치기 전에 ETH 트랜잭션이 작동하는 방식에 대한 개요입니다.

ETH 거래의 작업 이더리움 트랜잭션 예측 운영

트랜잭션은 이더리움 가상 머신의 상태를 변경하고 전체 네트워크에 대한 알림으로 변경됩니다. 노드는 EVM의 교환 ​​요청을 알립니다. 이것이 발생하면 광부는 트랜잭션을 시작하고 다양한 노드의 상태 조정을 생성합니다. 이더리움에서는 거래 수수료를 가스라고 합니다.

가스 요금의 정의

"가스"라는 표현은 이더리움 조직에서 심부름을 수행하는 데 필요한 계산 능력의 추정 단위를 나타내는 데 사용됩니다. 각 이더리움 트랜잭션에는 계산 능력이 필요하기 때문에 트랜잭션에는 비용이 수반됩니다. Gas는 이더리움 거래에서 예상되는 요금입니다. 가스 요금은 이더리움의 기존 현금인 이더(ETH)로 지불합니다. ETH 가스 비용은 0.000000001 ETH에 해당하는 ETH를 측정하는 용어인 gwei로 알려진 단위로 지정됩니다.

이더리움 거래에 대한 추가 정보

이더리움 트랜잭션은 클라이언트 측에서 다소 기본적으로 보이지만 상당한 양의 데이터가 있습니다. 단독 거래에는 다음이 포함됩니다.

  • 수취인: 교환을 받을 위치입니다. 원격으로 청구된 계정의 경우 거래에는 상당한 가치가 있는 거래가 포함됩니다.
  • 서명: 보낸 사람을 인식합니다. 서명은 트랜잭션이 보낸 사람의 개인 키로 승인할 때 유효합니다.
  • 값: 보낸 사람과 수취인 사이에 전송되는 ETH의 양
  • 정보: 추가 정보를 통합하기 위한 임의 필드(예: 브릴리언트 계약의 바이트 코드)
  • 가스 한도: 트랜잭션이 소비할 수 있는 최대 가스 단위 수
  • 가스당 최대 우선순위 수수료: 거래를 처리하는 광부에게 팁으로 작용할 것으로 예상되는 가스의 양
  • 가스당 최대 수수료: 최대 가스 거래는 고객이 거래 관리에 대해 지불할 것입니다.

ETH 거래의 종류는 무엇입니까

블록체인 조직이 가치를 이동할 수 있는 반면, 이더리움은 내부 교환뿐만 아니라 "일반" 스마트 계약 교환을 처리할 때도 가치를 이동할 수 있습니다. 정보 필드에 대한 데이터와 교환이 전송하는 데이터는 모두 한 종류의 교환을 다른 종류와 분리합니다.

토큰 전송 거래

가장 복잡한 이더리움 트랜잭션 유형입니다. 여기에는 ETH를 다른 ETH로 보내는 하나의 ETH 계정이 포함됩니다. 누군가가 자신의 암호화폐 지갑에서 동료의 암호화폐 지갑으로 ETH를 보낼 때마다 토큰 거래가 발생합니다.

일반 거래

일반 이더리움 트랜잭션은 이더리움 조직에 정통한 계약을 보냅니다. 훌륭한 계약은 바이트코드로 알려진 것으로 설계되었으며 나중에 트랜잭션을 통해 네트워크로 전달됩니다.
이러한 종류의 거래에서 "받는 사람" 필드는 비어 있습니다. 클라이언트의 지갑과 같은 단일 물질이 교환을 받을 수 없기 때문입니다. 모든 것이 동일하다면 "정보" 필드는 분산 계약의 바이트 코드를 통합합니다.

개인 거래

개인 또는 내부 이더리움 트랜잭션은 현재 정통한 계약에서 용량을 실행합니다. 이러한 종류의 트랜잭션과 다른 트랜잭션 간의 주요 차이점은 단순히 "정보" 필드에 함수 선택기라는 코드 조각이 포함되어 있다는 것입니다.

ETH 거래 과정

트랜잭션 후 후속 작업은 다음과 같습니다.

  • 트랜잭션 해시의 디자인은 암호화입니다.
  • 트랜잭션이 다양한 다른 트랜잭션 풀에서 조직으로 이동하고 있습니다.
  • 굴착기는 교환을 선택하고 확인하기 위해 다음과 같이 기억합니다.
    교환하고 "효과적"이라고 발음하십시오.
  • 교환은 "확인"을 얻습니다. 각 긍정은 하나의 새로운 사각형으로 올라갑니다.
    교환이 한 조각이었던 광장부터 만들어졌습니다.

토큰 교환은 일종의 이더리움 다른 암호화 거래와 매우 유사하게 작동하는 거래. 클라이언트는 외부 중개자 없이 이더리움 이동 ID를 사용하여 블록체인을 통해 서로 코인을 보낼 수 있습니다. 다른 종류의 이더리움 트랜잭션은 어떤 트랜잭션이 진행되고 있는지 명확하지 않기 때문에 클라이언트의 관점에서 매우 독특하게 보일 수 있습니다.

I. 비트코인(Bitcoin)

비트코인이 탄생한 이후로 암호화폐 거래소의 BTC 보유량은 줄곧 증가해왔습니다. 그런데 2020년 2월부터 기관투자자들이 비트코인을 장기적으로 보유하기 위한 목적으로 거래소 밖으로 비트코인을 대량으로 인출하기 시작했습니다.

비트코인의 가격이 내려가려면 거래소에 있는 비트코인이 팔려야 하는데, 매도할 물량이 없는 상황(Sell-side liquidity crunch)이 심화되고 있습니다. 2020년 중순부터 기관들이 비트코인을 다량으로 매수하면서 이 흐름은 더욱 가속화 되고 있으며, 2021년에도 암호화폐 거래소의 비트코인 보유량은 계속 줄어들 것으로 전망합니다.

2020년 기관들의 매수와 함께 감소하기 시작한 암호화폐 거래소의 비트코인 보유량(https://cryptoquant.com/overview/full/247?window=day). 출처=크립토퀀트

2020년 기관들의 매수와 함께 감소하기 시작한 암호화폐 거래소의 비트코인 보유량(https://cryptoquant.com/overview/full/247?window=day). 출처=크립토퀀트


기관투자자들의 수요에 힘입어 이렇게 비트코인을 매수하는 가장 큰 주체 중 하나는 그레이스케일(Grayscale)입니다. 2020년 초 20억달러로 출발한 그레이스케일의 신탁 총액은 2020년 말에 200억달러를 돌파하는 등 급성장을 이어가고 있습니다. 이 중 대부분의 자산이 여전히 비트코인에 집중되어 있으며 앞으로도 그럴 것으로 예상합니다.

12/31/20 UPDATE: Net Assets Under Management, Holdings per Share, and Market Price per Share for our Investment Products.

최근 시카고상품거래소(CME)의 비트코인 선물거래량이 전통의 암호화폐 선물거래소 강자인 OKEx를 누르고 1등이 된 것도 기관들의 진입을 보여주는 상징적인 뉴스입니다.

마이크로스트레티지(MicroStrategy) 등 상장사들의 비트코인 매수도 중앙은행들의 양적 완화에 대한 헤징으로서 더욱 큰 유행이 될 것입니다.

한편 비트코인의 시총은 어느새 부실 경제 국가들의 화폐 시총을 넘어섰는데, 2021년에는 리저브 자산으로 비트코인을 매수하는 국가가 등장할 가능성도 있습니다.

예측 1. 역사상 최초로 Bitcoin ETF가 승인될 것.

예측 2. 비트코인의 가격은 10만달러에 도전할 것.

II. 이더리움 (Ethereum)

2020년 메이저 언론에서는 주로 비트코인의 가격을 주목했지만, 사실 연초부터의 가격변화를 보면 비트코인보다 이더리움이 높은 비율로 상승했습니다.

  • 비트코인(BTC): $7,195 → $29,001 (4.03x)
  • 이더리움(ETH): $129.6 → $737.8 (5.69x)

온체인 상의 펀더멘털도 이더리움이 비트코인보다 극적으로 성장했습니다. 디파이(DeFi, Decentralized Finance)라는 실질적인 가치를 만들어내는 금융서비스 섹터가 성장하기 시작한 가운데, 이에 기반하여 온체인 트랜잭션 수수료도 이더리움이 비트코인보다 훨씬 더 많이 발생했습니다.

2020년 비트코인과 이더리움의 총 네트워크 수수료 비교 (https://bitinfocharts.com/comparison/fee_to_reward-btc-eth.html#1y)

2020년 비트코인과 이더리움의 총 네트워크 수수료 비교 (https://bitinfocharts.com/comparison/fee_to_reward-btc-eth.html#1y)

내년은 기관 투자자들이 비트코인에 이어 이더리움에도 진입하는 시기가 될 것입니다. CME에서 이더리움 선물거래가 시작된 것도 좋은 징조입니다.

이더리움2.0은 느리지만 꾸준하게 개발 마일스톤을 달성해나가고 있습니다. Phase 0에서 스테이킹 목표량을 달성한 것도 아직 이더리움 핵심 커뮤니티의 지지가 굳건함을 보여주고 있습니다. 개인뿐 아니라 기관에서도 이더리움 스테이킹에 참여한 것도 매우 긍정적인 신호입니다.

능동적인 금융기관들은 이더리움에 대한 투자와 리서치를 비단 자산 배분을 위한 수단으로 바라보는 것을 넘어, 스마트 콘트랙트과 토큰을 활용하여 금융 시스템 전반을 혁신적으로 개선할 수 있는 인프라로 인식하고 더욱 공격적으로 테스트를 시도할 것입니다.

예측 3. 이더리움 가격은 전고점(ATH, all time high)을 달성할 것.

III. 스테이블 코인 (Stablecoin)

중국에 이어 CBDC(Central Bank Digital Currency, 중앙은행 디지털화폐)를 시험적으로 운영하는 국가들이 등장할 것이며, CBDC를 통해 전통 금융 시스템과 자산의 강제적인 디지털화가 빠른 속도로 진행될 것입니다.

CBDC는 프라이빗 블록체인 기반으로 구현되기에 전통적인 금융기관에의 통합과 적용은 빠르겠지만, 개방형 개발자 생태계로 파고들며 혁신적인 결합성 사례를 만들어내지 못할 것입니다.

또한 중앙정부의 검열이라는 논쟁이 끊이지 않을 것입니다. 이 때문에 CBDC의 확산은 오히려 궁극적으로 퍼블릭 블록체인에서 유통되는 스테이블 코인 생태계를 더욱 성장시키는 원동력으로 작용할 수 있습니다.

이더리움 위에서 200억달러까지 발행량이 증가한 스테이블 코인. 출처=듄 애널리틱스

이더리움 위에서 200억달러까지 발행량이 증가한 스테이블 코인. 출처=듄 애널리틱스

스테이블 코인은 암호화폐 거래소와 디파이를 넘어 핀테크 전반에 걸쳐 결제와 송금, 투자 등 다양한 금융영역으로 확대 적용될 것입니다. USDC처럼, 많은 민간 금융기관 또는 은행이 중앙화된 수탁 시스템 기반의 스테이블 코인을 경쟁하듯 발행할 것입니다.

DAI처럼 암호자산을 담보로 잡거나 알고리즘을 기반으로 발행되는 탈중앙화된 스테이블 코인에 대한 규제가 논의되기 시작할 것입니다. 하지만 발행 및 운영 주체가 충분히 탈중앙화된 성공적인 프로젝트들은 통제와 검열을 벗어난 시스템 위에서 꾸준히 성장하며, 중앙화된 스테이블 코인과의 협력 또는 경쟁을 이어갈 것입니다.

예측 4. 퍼블릭 블록체인상의 스테이블 코인 총 발행량은 1000억달러 이상으로 증가할 것.

IV. 탈중앙화 금융 (DeFi)

2020년 DeFi 섹터의 성장은 온체인 기반의 프로토콜 경제가 '디지털 금(BTC)'이라는 새로운 자산군에서의 가치저장 기능을 넘어, 복합적인 금융 영역으로도 성장할 수 있음을 증명한 기념비적인 마일스톤입니다.

2021년에도 DeFi는 다양한 암호자산 지갑 솔루션의 보급 등과 함께 보다 많은 B2C 핀테크 서비스와 결합되고 쉬운 사용자 경험을 도모하며 총예치금액(Total Value Locked)을 늘려나갈 것입니다.

DeFi의 최대 단점인 높은 수수료와 느린 트랜잭션 컨펌 속도는 ZK-롤업(ZK-Rollups) 등 다양한 레이어2 프로젝트와 이더리움 트랜잭션 예측 기술들을 통해 해결될 것입니다. 2021년 내에 이더리움 생태계의 상당수 메이저 DeFi들이 레이어2 테스트를 시작할 것입니다. 또한 이더리움 위의 서로 다른 레이어2에 위치한 DeFi 간의 상호운용성, 이더리움과 다른 메인체인에 있는 DeFi 간의 상호운용성에 대한 과제가 새롭게 떠오를 것입니다.

zkSync에서 테스트넷을 운영 중인 커브 파이낸스(Curve.finance)

zkSync에서 테스트넷을 운영 중인 커브 파이낸스(Curve.finance)

근본적으로 DeFi는 스마트 콘트랙트(스마트계약)의 특성상 일반적인 애플리케이션에 비해 버그를 수정하거나 업데이트를 하기가 매우 어렵습니다. '머니레고'라는 DeFi의 별명처럼 다양한 컴포넌트를 합치고 조립해나가는 방식으로 새로운 상품이나 인프라를 만들 때, 기하급수적으로 복잡도가 증가하여 더욱 크고 예측불가능한 사고의 위험에 노출될 수밖에 없습니다.

지금까지의 DeFi 섹터를 급진적이고 창의적인 아이디어를 가진 혁신가들이 선도했다면, 2021년부터는 이러한 문제를 사전에 잘 예측하고 방어하는 노하우를 보유한 경험 많은 개발자들이 시장을 주도할 것입니다. YFI의 창시자 안드레 크로네(Andre Cronje)가 좋은 사례입니다.


2021년에도 DeFi 섹터에서는 버그와 해킹 등 수많은 사건사고가 발생하겠지만, 각각의 문제들을 빠르게 극복해나가는 개발자와 프로젝트의 노력이 꾸준히 그리고 빠르게 구멍을 메꿔가며 섹터를 성장시켜나갈 것입니다. 보험 프로토콜 시장도 DeFi 시장의 규모와 비례해서 꾸준히 성장할 것입니다.

한편, 규모 있게 동작하는 DeFi를 보유하지 못한 메인넷 토큰들의 시총은 정체되거나 쇠퇴하며 상위권에서 밀려날 것입니다.

예측 5. DeFi 총예치금액(TVL)은 1000억달러에 도전할 것.

예측 6. 2020년말 시총 50위 내 DeFi 토큰 비중 10개, 2021년 말에는 13개 이상으로 DeFi 토큰의 시총 Top 50 비중이 30% 이상 높아질 것.

V. 탈중앙화 거래소 (Dex)

2020년 Dex의 연간 거래량은 1160억달러를 기록하여 2019년의 30억달러에 비해 약 39배 성장했습니다. 2021년 중으로 레이어2로 이동하는 Dex들이 등장할 것이며, 낮은 수수료와 빠른 전송속도를 보장하는 인프라를 기반으로 훨씬 더 많은 거래량을 처리하게 될 것입니다.

2019년과 2020년 탈중앙화 거래소의 월간 거래량 (https://explore.duneanalytics.com/dashboard/dex-metrics). 출처=듄 애널리틱스

2019년과 2020년 탈중앙화 거래소의 월간 거래량 (https://explore.duneanalytics.com/dashboard/dex-metrics). 출처=듄 애널리틱스

또한 이미 중앙화 거래소에서 파생상품 거래량이 현물 거래량을 압도하고 있는 것처럼, Dex에서도 선물과 이더리움 트랜잭션 예측 마진거래 등 파생상품 거래량의 비중이 급격하게 증가하는 한 해가 될 것입니다.

예측 7. 2021년 Dex의 거래량은 5000억달러 이상으로 성장

VI. 증권형 토큰 (Security token)

장기적으로 모든 주식은 증권형 토큰의 형태로 흡수될 것입니다. 증권형 토큰은 인증과 관리가 용이하고, 거래 비용을 감소시킬 수 있으며, 프로그램 가능(Programmable)하게 발행과 유통이 가능하기 때문에, 규제환경만 뒷받침된다면 모든 면에서 전통적인 주식보다 우월합니다. 이미 전 미국 증권거래위원회(SEC) 위원장은 통화감독국(OCC) 국장과의 대담에서 “주식은 모두 디지털화될 가능성이 있다”고 입장을 밝혔습니다.

증권형 토큰을 통해 플랫폼 참여자에게 투명하고 공정하게 기여분에 대한 보상을 (법정화폐 뿐 아니라 주식의 형태로도) 배분하고 거버넌스를 개방하여 ‘프로토콜 경제(protocol economy)’를 구현하는 기술적 토대가 만들어질 수 있습니다.

대한민국의 중소벤처기업부에서도 이 같은 청사진을 2021년에 정책적으로 추진하겠다고 밝힌 바 있습니다. 이처럼 2021년에는 보다 다양한 국가와 섹터에서 증권형 토큰의 발행과 유통을 지원하는 규제와 가이드라인이 정립될 것입니다.


한편, 증권형 토큰을 새로운 사업 분야로 다루는 암호화폐 거래소들의 시도가 이어질 것입니다.

예측 8. 자사 주식의 일부 물량을 증권형 토큰의 형태로 시장에 발행하는 기업들이 등장할 것.

VII. IPO & M&A

블록체인 산업의 성장과 성숙, 그리고 미국의 최대 암호화폐 거래소인 코인베이스(Coinbase)의 IPO 가시화를 계기로, 더욱 큰 제도권의 투자자들이 참여하면서 블록체인 기업 간의 인수합병을 유도할 것이고, 상장 추진도 다양하게 시도될 것입니다.

사실 온체인 DeFi 프로젝트끼리의 합병은 전통적인 주식회사들끼리의 합병보다 훨씬 빠르고 효율적인 프로토콜로 일어날 수 있습니다. DeFi 프로젝트간의 경쟁과 승리로 인한 과실 모두 더욱 커질 것이기에, 네트워크와 커뮤니티를 합치는 시너지에 대한 압력이 높아지는 상황이 만들어질 것입니다.

이미 와이언 파이낸스(Yearn Finance)가 피클 파이낸스(Pickle Finance)를 합병했다고 발표했지만, 실질적으로는 재무적 거래 없이 상호간의 긴밀한 협업 및 마케팅 정도에 그치는 사례였습니다. 2021년에는 진정한 DeFi 프로젝트끼리의 합병 사례가 발생할 것으로 기대합니다.

예측 9. 2021년부터는 본격적으로 블록체인 회사들간의 인수합병을 볼 수 있을 것, 또한 DeFi 프로젝트끼리의 합병 사례도 등장할 것.

VIII. 대체불가토큰(NFT) & 블록체인 게임

아쉽게도 2020년에 블록체인 게임 시장은 크게 성장하지 못했지만, NBA 등 점점 더 강력한 IP와 함께 유비소프트(Ubisoft), 스퀘어에닉스(Square Enix), 아타리(Atari) 등 대형 게임회사들의 블록체인 게임섹터에 대한 참여가 이어지며 2021년에 대한 기대감을 키우고 있습니다.

다양한 콘텐츠 및 엔터테인먼트 회사들이 메타버스 구축에 뛰어들고 있는 상황에서, 메타버스와 대체불가 토큰(non-fungible token, NFT)의 결합을 통해 희소성 있는 디지털 아바타를 발행하는 사례도 더욱 자주 볼 수 있을 것입니다. 이미 더샌드박스(The Sandbox)가 스머프(Smurfs), 케어베어(Care Bears) 등의 유명 IP를 이용하여 NFT화 시키는 것이 좋은 사례입니다.

예술 분야에서도 NFT의 도입이 확대될 될 것입니다.

이미 플로우(Flow)의 개발사 대퍼랩스(Dapper Labs)가 지니스(Genies)와의 협업을 통해 버추얼 아바타와 굿즈 생태계를 만들고 있고, 이더리움 트랜잭션 예측 가상 인플루언서 미켈라(Miquela)도 크립토 아트 발행/중개 플랫폼인 슈퍼레어(SuperRare)를 통해 NFT를 발행한 후 1억원에 달하는 호가를 기록했습니다.

세계 최대 경매업체인 크리스티(Christie’s Auction)에서도 NFT가 등장했습니다. 이렇게 NFT를 기반으로 한 기술 협력 사례가 더욱 빈번하게 등장하며 성공방정식을 찾기 위해 도전할 것이라 예상합니다.

가상 인플루언서 미켈라의 NFT 발행 사례 (https://medium.com/r?url=https%3A%2F%2Fsuperrare.co%2Fartwork-v2%2Frebirth-of-venus-16297). 출처=슈퍼레어(SuperRare)

가상 인플루언서 미켈라의 NFT 발행 사례 (https://medium.com/r?url=https%3A%2F%2Fsuperrare.co%2Fartwork-v2%2Frebirth-of-venus-16297). 출처=슈퍼레어(SuperRare)

NFT의 시장은 아직까지 DeFi처럼 하나의 생태계를 유기적으로 만들며 성장하기보다는 개별 콘텐츠와 IP의 파괴력에 의존해 계단식으로 시장을 키워나가고 있습니다.

게임 외에도 다양한 활용 사례가 등장할 것이기에 종합적인 지표로서 NFT 시장의 크기나 성장세를 예측하기는 매우 어렵지만, ‘얼마나 비싼 가격의 단일 NFT가 시장에서 거래되는지’에 따라 블록체인의 자산 소유권 인증 기능이 대중적으로 어느 한계선까지 인정받았는 지를 가늠할 수 있을 것입니다.

현재까지 최고가는 2020년에 거래된 13만달러의 액시 인피티니(Axie Infinity)의 NFT 캐릭터(당시 가격 기준 300ETH)가 기록했습니다.

300 ETH for triple mystic Axie, Angel!

예측 10. 2021년에는 단일 NFT 가격으로 30만달러 이상의 가치를 가진 토큰이 등장할 것.

부록: ‘2020년 블록체인 & 암호화폐 시장 예측’ 돌아보기

2019년 12월에 열렸던 해시드라운지 Year-End 밋업에서 발표한 ‘2020년 블록체인/암호화폐 시장 10대 예측’을 리뷰합니다. 당시 예측은 한국경제신문 등의 매체를 통해 기사화되었습니다.

1. 규제/제도화와 함께 은행과 증권사의 시장 진출이 본격적으로 시작 (국내 포함)

→ O: 특금법 시행령에 기초하여 KB국민은행의 가상자산 관리회사 코다(KODA)를 합작법인의 형태로 설립하는 등 다수의 국내 은행이 가상자산 시장 진출 가시화. 미국에서는 통화금융청(OCC)의 가이드 하에 모든 은행에서 가상자산을 수탁할 수 있게 되었으며, JP모건과 체이스(Chase) 등의 대형 은행에서 이미 관련 사업을 시작함.

2. 비즈니스를 다각화하지 못한 규제권 내 거래소들은 큰 어려움을 겪을 것

→ O: 다수의 중소형 암호화폐 거래소들이 이미 폐업하거나 파산함. 국내에서는 2021년 3월 특금법 시행령 이후 가상자산 사업자 라이선스를 획득하지 못하는 곳이 다수 나올 것으로 예상됨.

3. 중국의 디지털 위안화와 이를 뒷받침하는 국영 블록체인이 출범

→ O: 중국의 국영 블록체인 네트워크 BSN(Blockchain Service Network)이 출시되었으며, 3개 도시에서 디지털 위안화 시범사업을 시작함.

4. 리브라(Libra)가 론칭되고, 그 외에도 글로벌 IT 대기업들이 참여하는 경쟁 블록체인 플랫폼이 다수 론칭

→ △: 페이스북이 주도하는 리브라(Libra)는 예상보다 다소 늦어진 2021년 초에 USD 단일 스테이블코인 모델과 함께 디엠(Diem)이더리움 트랜잭션 예측 이라는 바뀐 이름으로 출시 확정.

경쟁 플랫폼을 지향하는 셀로(Celo)는 50여개 기업들의 참여로 출시. 카카오의 클레이튼(Klaytn)과 라인의 링크(Link, Line Blockchain)도 메인넷의 성공적인 출시 이후 자국 거래소에 플랫폼 토큰을 상장시키는 등 비즈니스 전개 중. 중국의 BSN에도 텐센트 등 다수의 중국 대기업들이 참여 중.


5. Klaytn과 Link는 동아시아의 대중 사용자를 유입하며 도합 천만명 이상의 메인체인 MAU를 달성

→ X: 두 프로젝트 모두 블록체인 이더리움 트랜잭션 예측 이더리움 트랜잭션 예측 메인넷 출시 후 암호화폐 지갑을 자사의 메신저(카카오톡, 라인)에 통합시켰으나, 써드파티 댑(Dapp) 생태계의 미성숙과 규제 등의 이유로 2020년에는 블록체인과 토큰을 적극적으로 일반 사용자들에게 노출시키거나 홍보하지 못했음. 두 프로젝트 모두 2021년에는 보다 적극적으로 생태계를 만들어 나갈 것으로 기대함.


6. DeFi 섹터 TVL은 20억달러 넘어가는 성장세를 보이며 많은 핀테크 스타트업들을 끌어들일 것 (기존 대비 3x)

→ O: DeFi 섹터의 TVL은 예상치의 7배가 넘는 150억달러까지 성장함. 다양한 핀테크 서비스 및 CeFi 서비스와 접점이 넓어지고 있음.

7. DAU 3만명 이상의 블록체인 게임 등장

→ X: 기대에는 미치지 못했음. 액시 인피니티가 2020년 10월에 5500명의 DAU를 기록함.

8. 퍼블릭 블록체인 생태계를 활용하여 매출을 만들며 전통 VC에게 지분 투자받는 스타트업이 다수 등장

→ O: 온체인 데이터 분석 기업 체이널리시스(Chainalysis)는 애디션(Addition), 액셀(Accel), 벤치마크(Benchmark), 리빗(Ribbit) 등의 벤처캐피털(VC)들에게 1억달러를 투자받으며 유니콘 기업에 등극함.

테라(Terra) 블록체인과의 파트너십으로 빠르게 성장해온 간편결제 기업 차이 코퍼레이션(Chai Corporation)도 2020년 한해동안 시리즈 A, B 라운드를 걸쳐 880억원의 투자를 다수의 전통 VC로부터 유치함.

DeFi 섹터에서 가장 큰 유동성을 가진 탈중앙화 거래소 유니스왑(Uniswap)도 토큰 발행 이전 앤드리센 호로위츠(a16z)과 USV 등의 VC로부터 총 1100만달러의 투자금을 지분 투자의 형식으로 유치함. 암호화폐 예금대출 프로토콜인 컴파운드(Compound)도 COMP 토큰 발행 이전 VC들에게 지분 투자를 유치함.

9. 비트코인의 가격은 ATH 도달

→ O: 원화/달러화 기준 모두 역대 최고가를 갱신함.

10. 개인들이 참여할 수 있는 형태의 비트코인 펀드가 다수 출시

→ O: 2020년 4월 캐나다 토론토 증권거래소에 비트코인 펀드가 최초로 상장됨. 2020년 12월 비트와이즈 에셋 매니지먼트도 미국 투자자들을 위해 10개 암호화폐를 추적하는 지수 펀드 출시. 2021년에는 이미 다수의 금융기관들이 암호화폐 펀드를 출시하겠다고 선언한 상황임.

DBpia

비밀번호를 변경하신 지 90일 이상 지났습니다.
개인정보 보호를 위해 비밀번호를 변경해 주세요.

비밀번호를 변경하신 지 90일 이상 지났습니다.
개인정보 보호를 위해 비밀번호를 변경해 주세요.

간편 교외 인증 이벤트 응모

표지

  • 한국통신학회
  • 한국통신학회 학술대회논문집
  • 2019년도 한국통신학회 하계종합학술발표회 논문집
  • 2019.06
  • 472 - 473 (2 pages)

초록·키워드 목차 오류제보하기

참고문헌 (0) 참고문헌 신청

추천 논문

저자의 논문

  • 지세현 (고려대학교)
  • 논문 수 9
  • 전체 이용수 514
  • 저자페이지 바로가기>
  • 백의준 (고려대학교)
  • 논문 수 18
  • 전체 이용수 1,196
  • 저자페이지 바로가기>
  • Mu-Gon Shin (고려대학교)
  • 논문 수 13
  • 전체 이용수 823
  • 저자페이지 바로가기>
  • 구영훈 (한국과학기술정보연구원)
  • 논문 수 35
  • 전체 이용수 1,156
  • 저자페이지 바로가기>
  • 김명섭 (한국전자기술연구원)
  • 논문 수 210
  • 전체 이용수 8,520
  • 저자페이지 바로가기>

광고 및 욕설, 인신공격, 비하 표현이 들어있는 리뷰 작성으로 다른 회원님들로부터 연이은 신고를 받으셨습니다. 이로 인해 회원님께서는 리뷰작성 권한이 제한되었습니다.

댓글에 광고 및 욕설 인신공격, 비하 표현이 들어있는 경우 삭제될 수 있습니다.

로그인 하고, 주간 인기 논문
무료로 열람하세요.

비트코인 트랜잭션 수 예측을 위한 LSTM 모델 설계

비트코인 트랜잭션 수 예측을 위한 LSTM 모델 설계

  • ㈜누리미디어 대표이사: 최순일 사업자등록번호: 816-81-00840
  • 통신판매업신고번호: 제2017-서울영등포-0801호 대표전화: 02-707-0496 팩스: 02-717-4305
  • 이메일: [email protected] 주소: (03994) 서울특별시 마포구 양화로19길 22-16

Copyright (c) 1997-2021 NURIMEDIA. ALL RIGHTS RESERVED.

DBpia와 구독·저작권 계약, 기타 제휴를 원하시면 해당 부서로 연락 바랍니다.

담당부서 : 영업기획팀 (4년제 대학교, 해외 도서관, 공공기관, 국책연구원, 기업, 전문대학 등) [email protected]

  • 이 논문과 관련된 알림을 신청해 보세요. 이메일로 최신 정보를 알려드립니다.
    신청하신 알림은 내서재>알림 설정 에서 확인하실 수 있습니다.
    이 논문과 함께 이용한 논문이 없습니다.
    이 논문과 함께 이용한 논문이 없습니다.
    이 논문과 함께 이용한 논문이 없습니다.
  • 신고항목을 선택해 주세요.
  • 비트코인 트랜잭션 수 예측을 위한 LSTM 모델 설계
  • Design of LSTM Model for Prediction of Number of Bitcoin Transactions
  • 첫 페이지 : 472 page
  • 끝 페이지 : 473 page
  • 이 리뷰를 신고하시는 이유를 알려주세요.

이 논문의 참고문헌을 찾아주세요.

  • DBpia 논문 중 이 논문의 참고문헌을 찾아 신청해 주세요.
  • 관리자 승인 후 이 논문의 참고문헌으로 등록됩니다.

이 논문의 참고문헌을 찾아주세요.

  • 참고문헌으로 신청하실 논문이 맞으면 '신청' 버튼을 클릭하세요.
게시판 목록
연도 이용수
등록된 정보가 없습니다.
게시판 목록
연도 피인용수
등록된 정보가 없습니다.
  • 소속기관이 없으시거나 구독하지 않는 기관 소속이실 경우 논문을 구매하셔야 합니다.
    구독기관 소속이시더라도 계약범위에 따라 유료 논문일 수 있습니다.
  • 장바구니에는 최대 30편까지 보관하실 수 있습니다.

인용양식 _ 인용양식 변경 닫기

공식 스폰서와 앰부시 마케팅의 광고 크리에이티브 효과 : 2009 광저우 아시안게임을 중심으로

  • 페이지로 구성된 논문입니다.
  • 구매 후 전체 페이지를 이용하세요.

dbpia_logo

혹시 재학/재직 중이신가요? 소속기관의 DBpia 구독 여부를 확인해 보세요.

  • DBpia와 구독 계약을 맺고 있는 학교, 공공기관, 기업 소속이시면 기관인증을 통해 논문을 이용하실 수 있습니다. 기관인증 후 DBpia 로그인하시면 90일간 인증 상태가 유지됩니다.

ex) 한국대학교, 한국고등학교, 시립도서관, (주)누리자동차 등

소속기관이 없으시면 DBpia를 구독 중인 주변 공공도서관을 찾아보세요


- DBpia 구독 중 입니다

소속 회원 / 학생 / 교직원 인증

기관(도서관) 홈페이지를 이용하는 경우 인증 가능합니다

대표 계정 인증

초·중·고, 기업 등의 기관 담당자에게 부여됩니다.
해당 계정은 행정실, 수서실 등에 문의하세요

내부 방문시 자동 기관인증 가능합니다

기관 내부 PC, 와이파이로 접속해보세요!
단, 장소에 따라 이용이 제한될 수 있습니다

자주묻는 질문 - 내부 방문시 자동 기관인증

도서관 내부에서 이용하는데도, 기관인증이 안되고 있어요 자주묻는 질문 콘텐츠내용보기

도서관 인터넷 망이 아닌 핫스팟 및 에그 등을 사용하고 계신건 아니신가요?
도서관 내부에서 이용하실 경우, 도서관 PC 혹은 와이파이를 이용해야 합니다.

또한 이용가능 구역이 제한될 수 있습니다. (ex. 전자자료실에서만 이용 가능 등)
도서관 담당자에게 해당 구역에서 이용 가능한 지 문의하여 확인 후 이용바랍니다.

기관외부에서 이용하고 싶어요 자주묻는 질문 콘텐츠내용보기

기관인증된 상태에서 화면 상단의 [로그인]을 클릭하여 DBpia에 로그인 하실 경우
해당 계정에 기관인증 상태가 90일간 유지되게 됩니다.

ScienceON Chatbot

앙상블 머신러닝 기법과 블록체인 정보를 활용한 이더리움 엉클 블록 예측 분석 원문보기 KCI 원문보기 인용

Predictive Analysis of Ethereum Uncle Block using Ensemble Machine Learning Technique and Blockchain Information

블록체인의 장점들은 다양한 분야에서 블록체인의 필요성을 제시한다. 하지만 블록체인에는 몇 가지 단점들이 존재한다. 그 중 엉클블록 문제는 블록체인의 가치와 활용을 크게 저해할 수 있는 문제 중 하나다. 엉클블록 문제로 인해 블록체인의 가치가 저하 될 수 있음에도 불구하고 이전의 연구들은 엉클블록에 대한 연구에 크게 주목하지 않았다. 따라서 본 연구의 목적은 블록체인의 엉클 블록 문제를 예측하고 대비할 수 있도록 엉클블록의 발생을 예측 하고자 한다. 본 연구는 엉클 블록 발생의 정확한 예측을 위해서 새로운 변수와 앙상블 분석 기법 도입의 타당성을 검증한다. 연구 방법으로 엉클블록 문제가 실제로 발생하는 이더리움의 엉클블록을 대상으로 보팅, 배깅, 스태킹 앙상블 분석 기법을 활용하였다. 분석 데이터로는 이더리움과 비트코인 블록체인 정보를 활용하였다. 연구 결과, 이더리움 블록체인 정보만을 활용하여 보팅, 스태킹 앙상블 기법을 적용할 경우 가장 높은 예측 결과가 나타난다는 사실을 발견하였다. 본 연구의 결과는 엉클블록의 발생을 보다 정확하게 예측하여 블록체인의 엉클블록 문제에 대비할 수 있도록 기여한다.

Abstract

The advantages of Blockchain present the necessity of Blockchain in various fields. However, there are several disadvantages to Blockchain. Among them, the uncle block problem is one of the problems that can greatly hinder the value and utilization of Blockchain. Although the value of Blockchain may be degraded by the uncle block problem, previous studies did not pay much attention to research on uncle block. Therefore, the purpose of this study attempts to predict the occurrence of uncle block in order to predict and prepare for the uncle block problem of Blockchain. This study verifies the validity of introducing new attributes and ensemble analysis techniques for accurate prediction of uncle block occurrence. As a research method, voting, bagging, and stacking ensemble analysis techniques were employed for Ethereum's uncle block where the uncle block problem actually occurs. We used Blockchain information of Ethereum and Bitcoin as analysis data. As a result of the study, we found that the best prediction result was presented when voting and stacking ensemble techniques were applied using only Ethereum Blockchain information. The result of this study contributes to more accurately predict the occurrence of uncle block and prepare for the uncle block problem of Blockchain.

표 / 그림 (4) 모든 표/그림 보기 슬라이드로 보기

저자의 다른 논문

참고문헌 (31)

  1. 1. S. W. Kim & H. S. Park. (2020). An Exploratory Study on the Factors Determining Acceptance of Blockchain-Based Financial Platform by Gender. Journal of Digital Convergence, 18(3), 139-147. DOI : 10.14400/JDC.2020.18.3.139
  2. 2. Y. H. Kim. (2019). A Study on Smart Contract for Personal Information Protection. Journal of Digital Convergence, 17(3), 215-220. DOI : 10.14400/JDC.2019.17.3.215
  3. 3. A. M. Antonopoulos & G. Wood. (2018) Mastering Ethereum: Building Smart Contracts and Dapps, O'Reilly Media.
  4. 4. H. M. Kim. (2020). A Study on Uncle Block Analysis of Blockchain Using Machine Learning Techniques. Information Systems Review, 22(1), 1-16. DOI : 10.14329/isr.2020.22.1.001
  5. 5. C. Bai & J. Sarkis. (2020). A supply chain transparency and sustainability technology appraisal model for blockchain technology. International Journal of Production Research, 58(7), 2142-2162. DOI : 10.1080/00207543.2019.1708989
  6. 6. X. Yue, H. Wang, D. Jin, M. Li & W. Jiang. (2016). Healthcare data gateways: found healthcare intelligence on blockchain with novel privacy risk control. Journal of medical systems, 40(10), 218. DOI : 10.1007/s10916-016-0574-6
  7. 7. T. T. Kuo, H. E. Kim & L. Ohno-Machado, (2017). Blockchain distributed ledger technologies for biomedical and health care applications. Journal of the American Medical Informatics Association, 24(6), 1211-1220. DOI : 10.1093/jamia/ocx068
  8. 8. A. O. Kwok & S. G. Koh. (2019). Is blockchain technology a watershed for tourism development?. Current Issues in Tourism, 22(20), 2447-2452. DOI : 10.1080/13683500.2018.1513460
  9. 9. H. Si, C. Sun, Y. Li, H. Qiao & L. Shi. (2019). IoT information sharing security mechanism based on blockchain technology. Future Generation Computer Systems, 101, 1028-1040. DOI : 10.1016/j.future.2019.07.036
  10. 10. J. Abraham, D. Higdon, J. Nelson & J. Ibarra. (2018). Cryptocurrency price prediction using tweet volumes and sentiment analysis. SMU Data Science Review, 1(3), 1.
  11. 11. Y. B. Kim, J. G. Kim, W. Kim, J. H. Im, T. H. Kim, S. J. Kang & C. H. Kim. (2016). Predicting fluctuations in cryptocurrency transactions based on user comments and replies. PloS one, 11(8), e0161197. DOI : 10.1371/journal.pone.0161197
  12. 12. L. Kristoufek. (2013). BitCoin meets Google Trends and Wikipedia: Quantifying the relationship between phenomena of the Internet era. Scientific reports, 3(1), 1-7. DOI : 10.1038/srep03415
  13. 13. H. Jang & J. Lee. (2017). An empirical study on modeling and prediction of bitcoin prices with bayesian neural networks based on blockchain information. Ieee Access, 6, 5427-5437. DOI : 10.1109/ACCESS.2017.2779181
  14. 14. D. C. Mallqui & R. A. Fernandes. (2019). Predicting the direction, maximum, minimum and closing prices of daily Bitcoin exchange rate using machine learning techniques. Applied Soft Computing, 75, 596-606. DOI : 10.1016/j.asoc.2018.11.038
  15. 15. M. Saad, J. Choi, D. Nyang, J. Kim & A. Mohaisen. (2019). Toward characterizing blockchain-based cryptocurrencies for highly accurate predictions. IEEE Systems Journal, 14(1), 321-332. DOI : 10.1109/JSYST.2019.2927707
  16. 16. Y. Liu, Y. Hei, T. Xu & J. Liu. (2020). An Evaluation of Uncle Block Mechanism Effect on Ethereum Selfish and Stubborn Mining Combined With an Eclipse Attack. IEEE Access, 8, 17489-17499. DOI : 10.1109/ACCESS.2020.2967861
  17. 17. W. Foxley. (11, Augest 2020). Ethereum Classic's Terrible, Horrible, No Good, Very Bad Week. Coindesk. https://www.coindesk.com/ethereum-classics-terrible-horrible-no-good-very-bad-week
  18. 18. H. M. Kim, G. W. Bock & G. Lee. (2019). Predicting Ethereum Prices using Machine Learning and Block Chain Information. AMCIS 2019 Proceeding. (pp. 1-5).
  19. 19. L. Rokach. (2010). Pattern 이더리움 트랜잭션 예측 classification using ensemble methods. Singapore : World Scientific. DOI : 10.1142/7238
  20. 20. A. M. Antonopoulos. (2014). Mastering Bitcoin: Unlocking Digital Cryptocurrencies. USA : O'Reilly Media Inc.
  21. 21. M. M. Islam & K. Murase. (2001). A new algorithm to design compact two-hidden-layer artificial neural networks. Neural Networks, 14(9), 1265-1278. DOI : 10.1016/S0893-6080(01)00075-2
  22. 22. K. P. Murphy. (2012). Machine learning: a probabilistic perspective. London : MIT press.
  23. 23. C. Cortes & V. Vapnik. (1995). Support-vector networks. Machine learning, 20(3), 273-297. DOI : 10.1007/BF00994018
  24. 24. P. Wang. (2011). Pricing currency options with support vector regression and stochastic volatility model with jumps. Expert Systems with Applications, 38(1), 1-7. DOI : 10.1016/j.eswa.2010.05.037
  25. 25. N. F. F. Da Silva, E. R. Hruschkaa & E. R. Hruschka. (2014). Tweet sentiment analysis with classifier ensembles. Decision Support Systems, 66, 170-179. DOI : 10.1016/j.dss.2014.07.003
  26. 26. A. S. Assiri, S. Nazir & S. A. Velastin, (2020). Breast Tumor Classification Using an Ensemble Machine Learning Method. Journal of Imaging, 6(6), 39. DOI : 10.3390/jimaging6060039
  27. 27. K. An & J. Meng. (2010). Voting-averaged combination method for regressor ensemble. In International Conference on Intelligent Computing (pp. 540-546). Berlin : Springer.
  28. 28. G. Wang, J. Sun, J. Ma, K. Xu & J. Gu. (2014). Sentiment classification: The contribution of ensemble learning. Decision support systems, 57, 77-93. DOI : 10.1016/j.dss.2013.08.002
  29. 29. F. Divina, A. Gilson, F. Gomez-Vela, M. Garcia Torres & J. F. Torres. (2018). Stacking ensemble learning for short-term electricity consumption forecasting. Energies, 11(4), 949. DOI : 10.3390/en11040949
  30. 30. X. Hu, H. Zhang, H. Mei, D. Xiao, Y. Li & M. Li. (2020). Landslide Susceptibility Mapping Using the Stacking Ensemble Machine Learning Method in Lushui, Southwest China. Applied Sciences, 10(11), 4016. DOI : 10.3390/app10114016
  31. 31. H. Lee, S. H. Chung & E. J. Choi. (2016). A case study on machine learning applications and performance improvement in learning algorithm. Journal of Digital Convergence, 14(2), 245-258. DOI : 10.14400/JDC.2016.14.2.245

이 논문을 인용한 문헌

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

  • ScienceON : 원문보기
  • KCI : KCI 원문보기
  • DOI : 10.14400/JDC.2020.18.11.129
  • 학술교육원 : 저널
  • Korea Open Access Journals : 저널
  • (사)한국디지털정책학회 : 저널

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)


0 개 댓글

답장을 남겨주세요