Ethereum-gebyrer afslører grænserne for AI-prognoser

Kan AI forudsige belastning af Ethereum-netværket?

Ethereum kan fortsætte med at producere blokke, selv om det bliver dyrt eller besværligt at bruge netværket. For den, der sender en betaling, justerer en låneposition eller afvikler et tokeniseret aktiv, er den forskel vigtig. En velfungerende blockchain giver ikke automatisk forudsigelige transaktionsomkostninger.

Et nyt studie af S’phesihle Khumalo og Moinak Maiti undersøger, om maskinlæring kan identificere belastning på Ethereum (ETH ) netværket ud fra ændringer i gaspriser og transaktionsgebyrer.¹ Resultaterne giver et nyttigt udgangspunkt for bedre overvågning, men afdækker også et vigtigt hul: Det er betydeligt lettere at registrere usædvanlige forhold i dag end at forudse dem i morgen.

Dette hul giver udbydere af blockchaininfrastruktur en mulighed. Efterhånden som flere finansielle tjenester flytter over på blockchain, kan det blive lige så vigtigt at omsætte netværksdata til nyttige driftsbeslutninger som at øge transaktionskapaciteten.

Derfor er Ethereums gasgebyrer vigtige ud over kryptohandel

Gas måler det beregningsarbejde, der kræves for at gennemføre en Ethereum-transaktion. Brugerne betaler for dette arbejde, og omkostningerne kan stige, når efterspørgslen efter at få transaktioner gennemført vokser. En gebyrstigning kan derfor være tegn på pres på den tilgængelige kapacitet, men betyder ikke nødvendigvis, at netværket er ved at svigte.

De økonomiske konsekvenser afhænger af transaktionen. En overførsel, der ikke haster, kan vente. En låntager, der stiller yderligere sikkerhed for at undgå likvidation, har måske kun begrænset råderum. En virksomhed, der behandler mange små betalinger, har brug for, at omkostningerne forbliver overkommelige i forhold til værdien af hver betaling.

Dette bliver mere relevant, efterhånden som blockchainapplikationer rækker ud over spekulativ handel. Securities.io’s seneste omtale af tokeniseringen af ARK Venture Fund på Ethereum viser, hvordan investeringsprodukter finder vej ind i økosystemet. Tokenisering gør ikke alle transaktioner presserende, men øger betydningen af at forstå den infrastruktur, der understøtter ejerskab og overførsler.

Et nyttigt varslingssystem ville hjælpe operatører med at forudse forholdene for transaktionsafvikling. Det behøver ikke at forudsige Ethers pris eller diagnosticere enhver tænkelig sikkerhedstrussel for at skabe værdi.

Sådan fungerer studiet af belastningsregistrering på Ethereum

Forskerne analyserede Ethereum-målinger fra perioden juli 2015 til juli 2025 med data fra Etherscan. De omfattede transaktionsaktivitet, gasforbrug, gebyrer og historiske indikatorer knyttet til mining. Selvom artiklen anlægger et perspektiv på blokniveau, bygger dens prognosetests på daglige observationer. Resultaterne bør derfor ikke fortolkes som varsler om individuelle, kommende blokke.

Tre metoder blev afprøvet. Random forest kombinerer mange beslutningstræer. Isolation forest leder efter observationer, der afviger fra det typiske mønster. Et beslutningstræ anvender forgreningsregler, som gør det relativt let at undersøge dets klassifikationer.

Den primære definition af belastning byggede på usædvanligt høje transaktionsgebyrer i forhold til et glidende udgangspunkt. Det giver modellerne et målbart mål, men medfører en komplikation: En model, der bruger gebyrrelaterede input, kan til dels genskabe den regel, der bruges til at betegne en situation som belastende, i stedet for at afdække et særskilt driftsproblem.

Forskerne undersøgte dette nærmere med yderligere kontroller, blandt andet ved at fjerne variabler, der var afledt af gebyrer, teste på senere observationer og opstille en alternativ definition af belastning ud fra aktiviteten i ommerblokke. Disse historiske blokke er knyttet til Ethereums tidligere proof-of-work-system og kan ikke give den samme uafhængige test for den nuværende proof-of-stake-æra.

Hvad resultaterne af Ethereums prognoser faktisk viser

Nøjagtighed kan være misvisende, når belastning forekommer sjældent. En model, der som regel forudsiger normale forhold, kan opnå en høj score, selvom den overser de fleste hændelser, som operatørerne interesserer sig for. Præcision måler, hvor ofte modellens varsler er korrekte; genkaldelse måler, hvor mange faktiske tilfælde af belastning den opfanger. F1-tallet sammenfatter de to mål.

Studiets finjusterede random forest opnåede en F1-score på 0,50 ved registrering samme dag med det fulde sæt af egenskaber. Resultaterne blev dårligere, jo længere prognosehorisonten var.

Resultaterne peger på et begrænset prognosesignal, ikke på et pålideligt varsel flere dage frem. Den reducerede random forest-model opnåede separat en samlet nøjagtighed på 91 %, men registrerede kun 23 % af de observationer, der var defineret som belastende ud fra gebyrerne. Uafhængig validering med ommerblokke gav langt svagere og mindre stabile resultater.

Denne skelnen er central for artiklens relevans for investeringer. At registrere gebyrvolatilitet, forudsige overbelastning og forudsige et sikkerhedssvigt er forskellige opgaver. Artiklen fremlægger evidens for den første og begrænset evidens for fremtidig belastning defineret ud fra gebyrer. Den fastslår ikke, at angreb, driftsafbrydelser eller aktivpriser kan forudsiges pålideligt.

Fra netværksadvarsler til nyttige beslutninger

Det praktiske spørgsmål er, hvad en operatør bør stille op med en upræcis advarsel. Et kontrolpanel, der varsler om forhøjet risiko uden at foreslå en reaktion, tilfører måske kun begrænset værdi. Et system, der knytter advarslen til transaktionernes hastende karakter, gebyrbudgetter og driftsprincipper, kan være mere nyttigt.

En betalingstjeneste kunne for eksempel udskyde valgfri samling af transaktioner, når forholdene bliver dyre, og samtidig bevare kapacitet til hasteoverførsler. Et treasury-team kunne planlægge rutinemæssige overførsler ud fra de forventede omkostninger. Det er mulige anvendelser, ikke funktioner, som undersøgelsen har påvist.

• Skeln mellem hastende transaktioner og dem, der kan vente.
• Tilpas advarselstærsklerne efter omkostningerne ved oversete hændelser og falske alarmer.
• Sammenlign prognoser med enkle gebyrbaserede regler, før de tages i brug.

Den passende tærskel vil variere efter anvendelsesområde. En falsk alarm, der forsinker en rutinemæssig overførsel, kan være acceptabel. En alarm, der afbryder en nødvendig justering af sikkerhedsstillelsen, kan blive dyr. Vurderinger af sparede penge og gennemførte transaktioner vil give et bedre grundlag for beslutninger om implementering end alene at optimere en overordnet nøjagtighedsscore.

Hvorfor opgraderinger af Ethereum ændrer overvågningsopgaven

Et årti med Ethereum-historik dækker over markant forskellige driftsforhold. Overgangen til proof of stake ændrede produktionen af blokke, mens skaleringsopgraderinger ændrede forholdet mellem aktiviteten på mainnettet og omkostningerne ved applikationer. En model, der er trænet på tidligere perioder med overbelastning, forbliver måske ikke pålidelig på ubestemt tid.

Ethereum Foundations meddelelse om Fusaka-opgraderingen beskriver forbedringer af ydeevnen på lag 1 og datakapaciteten for lag 2-netværk. Mekanismen PeerDAS gør det muligt for noder at kontrollere datatilgængelighed ved hjælp af stikprøver i stedet for at downloade hele datablobs, hvilket understøtter større gennemstrømning.

Undersøgelsens datasæt slutter før Fusaka og kan derfor ikke fastslå ydeevnen i det opgraderede miljø. Det er en praktisk grund til at opdatere modeller og validere dem under de aktuelle forhold.

Overvågningen kræver også flere forskellige signaler. Gebyrer på mainnettet kan ikke fuldt ud beskrive driftsforholdene for en lag 2-applikation. Tilgængeligheden af sequencere, omkostningerne ved offentliggørelse af data og bekræftelsesadfærd kan være relevante ved siden af gaspriserne. Securities.ios dækning af AI-screening af Ponzi-kontrakter på Ethereum illustrerer et andet, særskilt risikolag: kontrakternes adfærd. Når signaler kombineres, skal det bevares, hvad hvert enkelt faktisk måler.

Coinbase giver eksponering mod blockchain-infrastruktur

Det voksende behov for pålidelig infrastruktur skaber en naturlig forbindelse til Coinbase Global (COIN ) . Ud over sin børs tilbyder Coinbase depot- og stakingtjenester og har bidraget til udviklingen af Base, et lag 2-netværk på Ethereum. Virksomheden er relevant, fordi den understøtter brugen af blockchain, ikke fordi den kommercialiserer netop denne forskning.

Bases strategi for 2026 lægger vægt på globale markeder, betalinger, stablecoins og udviklerinfrastruktur. Disse prioriteter gør driftssikkerhed kommercielt relevant: Brugerne har brug for tjenester, der håndterer aktiviteten stabilt, efterhånden som anvendelsen vokser.

I sine resultater for andet kvartal 2026 rapporterede Coinbase en syvdobling af transaktionsvolumenet for stablecoins på Base sammenlignet med året før, og at omsætningen fra abonnementer og tjenester udgjorde 48 % af nettoomsætningen. Disse tal, som virksomheden selv har rapporteret, giver kontekst for dens bredere eksponering mod infrastruktur, men beviser ikke, at netværksovervågning vil forbedre indtjeningen væsentligt.

Investorer skal stadig vurdere værdiansættelse, konkurrence, regulering og følsomhed over for aktiviteten på kryptomarkedet. Øget brug af blockchain fører ikke automatisk til et tilsvarende afkast til aktionærerne.

Seneste nyheder og udvikling hos Coinbase Global (COIN)

Bedre overvågning af Ethereum begynder med bedre validering

Forskningen giver en konstruktiv lære: Data om gas og gebyrer indeholder nyttige oplysninger, men et operationelt varslingssystem kræver stærkere evidens end genkendelige historiske mønstre. Uafhængige hændelsesmarkører, afprøvning på det aktuelle netværk og sammenligninger med enkle alternativer er nødvendige næste skridt.

Fremskridt kan komme gennem mindre forbedringer, der hjælper brugerne med at træffe bedre beslutninger, snarere end gennem én enkelt model, der forudsiger enhver forstyrrelse. For Ethereums voksende finansielle økosystem er det en troværdig vej mod en mere forudsigelig infrastruktur.

Referencer:

¹ Khumalo, S., & Maiti, M. (2026). Afvigelser på blokniveau som tidlige indikatorer på netværksbelastning i Ethereum. Research in International Business and Finance. Forhåndspublicering på nettet. https://doi.org/10.1016/j.ribaf.2026.103670