블록체인 차익거래, 프로토콜 상관없이 잡아낸다: 형식 검증된 구조적 동치 프레임워크

"같은 전략인데 프로토콜이 바뀌면 탐지기가 못 잡는다" — 이 문제를 수학적으로 해결한 논문이 나왔습니다.

---

들어가며: 도둑을 잡는데 도둑의 옷이 중요할까?

이더리움에는 "차익거래 봇"이라는 존재가 있습니다. 같은 자산이 서로 다른 거래소에서 다른 가격에 팔리면, 싼 데서 사서 비싼 데서 파는 거예요. 사람이 하면 시간이 걸리지만, 봇은 밀리초 단위로 이 작업을 반복합니다. 문제는 이 봇들을 감시하는 도구가 각 프로토콜마다 따로 만들어져야 한다는 점이에요.

Uniswap용 감시 프로그램이 있으면, SushiSwap이나 Curve에서는 또 새로 만들어야 합니다. 프로토콜이 100개면 감시 프로그램도 100개가 필요한 거죠. 마치 도둑을 잡는데 "Uniswap에서 훔치는 도둑"과 "Curve에서 훔치는 도둑"을 각각 다른 경찰이 담당하는 것과 같습니다.

2026년 8월, 이 문제를 프로토콜에 관계없이 해결한 논문이 arXiv에 올라왔습니다. 제목부터 인상적입니다: "If It Walks Like an Arbitrage" — "차익거래처럼 걸으면 차익거래다"라는 뜻이에요.

---

무엇이 문제였나: 프로토콜마다 다른 감시 도구

기존의 차익거래 탐지 방식은 크게 두 가지였습니다:

1. 패턴 기반: "이 프로토콜에서는 이런 트랜잭션 패턴이 차익거래다"라고 사람이 규칙을 정해주는 방식. 새 프로토콜이 나올 때마다 규칙을 다시 만들어야 합니다.

2. 머신러닝 기반: GNN 같은 모델로 트랜잭션을 분류하는 방식. 학습 데이터에 없는 프로토콜은 잘 못 잡습니다.

두 방식 모두 프로토콜에 종속적입니다. 프로토콜이 바뀌면 탐지기도 바꿔야 해요. 이더리움 생태계에 새 프로토콜이 매주 쏟아지는 현실을 생각하면, 이건 구조적 한계입니다.

---

핵심 아이디어: 자금흐름의 "생김새"로 판단한다

이 논문의 핵심 아이디어는 놀랍도록 단순합니다: 프로토콜이 뭔지 보지 말고, 돈이 어떻게 흘렀는지만 보자.

구체적으로 이렇게 작동합니다:

1단계: 트랜잭션을 "자금흐름 트리"로 바꾸기

이더리움 트랜잭션이 실행되면 내부에서 수많은 토큰 전송이 일어납니다. 이 전송들을 추적해서 추문 구문 트리(Abstract Syntax Tree)를 만들어요. 프로그래밍 언어의 코드를 문법 트리로 파싱하는 것과 같은 원리입니다.

2단계: 15개 규칙으로 "정규형" 만들기

여기서 마법이 일어납니다. 15개의 항 재작성 규칙(term rewriting rules)을 적용해서 트리를 단순화합니다. 이 규칙들은:

• 종료성(terminating): 무한히 반복하지 않는다
• 건전성(sound): 원래 구조의 의미를 보존한다
• 합류성(confluent): 규칙 적용 순서에 관계없이 항상 같은 결과가 나온다

이 세 가지 속성이 보장되면, 어떤 트랜잭션을 넣든 항상 같은 정규형이 나옵니다. 마치 수학에서 분수를 기약분수로 만드는 것과 같아요. 3/6이든 6/12든 결국 1/2이 되는 것처럼요.

3단계: 정규형에서 차익거래 읽기

정규형이 되면, 차익거래 자체가 구조적으로 드러납니다. 돈이 들어온 곳으로 다시 돌아가는 "사이클"이 보이는 거예요. 이 사이클이 수익성이 있으면 차익거래, 없으면 시도된 차익거래로 분류합니다.

가장 중요한 점: 이 전체 과정이 표준 ERC 토큰 ABI와 WETH ABI만 사용합니다. 프로토콜별 특수 이벤트나 패턴이 필요 없어요. 그래서 같은 바이너리가 이더리움, Arbitrum, BSC에서 수정 없이 동작합니다.

---

결과 — 무엇을 알아냈나

이 프레임워크의 성능을 기존 도구들과 비교한 결과입니다:

vs. Eigenphi (프로덕션 MEV 플랫폼)

• 220,000 이더리움 블록 대상 평가
• 일치율: 83.5% — 대부분의 경우 기존 도구와 같은 결론
• 핵심 발견: Eigenphi가 찾지 못한 60,199건의 확인된 차익거래를 추가로 발견

이 숫자가 의미하는 건 큽니다. 기존의 가장 널리 쓰이는 MEV 플랫폼도 놓치는 차익거래가 6만 건 이상 있었다는 뜻이에요.

vs. ArbiNet (GNN 분류기)

• 1,000 공유 블록 대상 평가
• 커버리지: ArbiNet의 발견의 81%를 탐지

전체 통계

• 총 확인 탐지: 469,801건
• 총 시도 차익거래: 245,497건 (수익성은 없었지만 구조적으로 차익거래인 것)
• 건전성: 전체 탐지의 99.2%가 고정점(fixpoint)만으로 생성되어 구조적으로 건전
• 오탐 분석: 500건 수동 검증에서 확인 등급에서 오탐 0건

99.2%의 건전성과 0건의 오탐 — 이 숫자는 형식 검증의 힘을 보여줍니다.

형식 검증의 의미

이 논문의 가장 독특한 점은 모든 이론적 속성을 Rocq(구 Coq)에서 기계화 검증했다는 것입니다. "우리가 증명했다"가 아니라 "컴퓨터가 증명을 검토했다"는 뜻이에요. 허용된 가정(admitted obligations)이 0개입니다. 즉, "아직 증명 못 한 부분은 믿어주세요"라는 구석이 하나도 없다는 거예요.

---

한계와 주의점

완벽한 논문은 없습니다. 솔직한 한계들입니다:

1. 경제적 수익성은 검증 대상이 아님: 구조적으로 차익거래인지를 판단하지, 실제로 돈을 벌 수 있는지는 별개의 문제입니다. 가스비, 슬리피지, 경쟁 봇의 존재 등은 고려하지 않아요.

2. 실시간 성능 미평가: 이 논문은 탐지의 정확성을 증명했지, 속도를 벤치마크하지 않았습니다. 프로덕션 트레이딩 봇에 적용하려면 지연 시간(latency) 평가가 필요합니다.

3. 단일 트랜잭션만 분석: 여러 트랜잭션에 걸친 전략, 브릿지를 통한 크로스체인 차익거래, 비원자적(non-atomic) 흐름은 볼 수 없습니다. 논문에서도 이 부분을 솔직하게 인정하고 있어요.

4. 평가 기간 제한: 30일간의 데이터만 사용했으며, 공개된 역사적 MEV 라벨 데이터셋이 없는 상황입니다.

---

그래서 투자/실무엔?

이 논문이 자기자본 운용에 직접 쓰이려면 몇 가지 단계가 필요하지만, 방향성은 분명합니다:

당장 활용 가능한 것:

• 프로토콜 독립적 모니터링 모듈: 새 DEX 프로토콜이 나와도 패턴을 새로 만들 필요 없이 바로 차익거래 탐지가 가능합니다. 감시 범위가 획기적으로 넓어지는 거예요.
• 봇 핑거프린팅: 정규형 기반 구조적 동치를 활용해 특정 봇의 전략 패턴을 분류하고, 경쟁 봇의 행동을 추적할 수 있습니다.

추가 검증이 필요한 것:

• 실시간 탐지 지연 시간 벤치마크
• 수익성 필터링 로직 추가 (가스비·슬리피지 반영)
• 멀티체인 확장 검증 (Arbitrum, BSC 실제 데이터)

근본적인 시사점: "돈이 어떻게 흘렀는지만 보면 된다"는 이 논문의 관점은, 프로토콜이 아무리 복잡해져도 자금흐름의 구조적 패턴은 변하지 않는다는 통찰을 제공합니다. 이는 금융 시스템 전반에 적용 가능한 원리이기도 해요.

---

함께하기

ohselab은 자기자본 운용과 AI 트레이딩의 교차점에서 연구합니다.

• 🌐 ohselab.com — 연구 소개 및 상담
• 📧 구독: 최신 논문 분석을 이메일로 받아보세요
• 🐦 팔로우: 최신 연구 동향을 빠르게

---

더 알아보기

• 원 논문: arXiv:2608.20377
• 형식 검증 (Rocq): 논문 내 링크에서 확인 가능
• 평가 파이프라인: 25개 Python 스크립트로 구성 (run_all.py + METHODOLOGY.md)

5차원 점수 (KB 기준)

관련 논문

• [2608.20842] Rethinking Synthetic Scenario Realism: Compatibility, Not Fidelity, Drives Hedging Performance (A등급, 포트폴리오 최적화)
• [2608.20589] Calibrating Inelastic Markets to Options: The Lean Marketron and the Generalized Langevin Equation (B등급, 시계열 계량경제학)