本论文研究了区块链网络中的交易费用问题，将交易排队过程建模为优先级队列，并考虑用户策略行为。作者采用 M/G^K/1 优先级队列模型，分析了交易费用与用户延迟成本之间的关系，推导出稳态量的半闭合表达式，并将用户延迟成本与交易费用的关系推广到通用区块生成时间。通过比特币网络的实际数据验证模型，模拟了不同场景下用户的行为变化。此外，对 Bitcoin、Dogecoin、Litecoin 的跨链分析表明，归一化成本结构具有相似性。该研究为理解区块链交易费用动态、用户行为以及网络拥堵提供了新的理论视角和量化工具，适合区块链协议设计者、研究人员以及交易策略制定者参考。

本文将Nakamura (2026) 在单期Kyle模型中提出的隐私补贴封闭形式解推广至连续时间框架。研究背景是自动化做市商（AMM）在面对噪声订单流时的隐私与市场效率权衡。核心问题：在连续时间Kyle模型中，当做市商观察到被独立布朗运动扰动（扩散强度σ_ε）的聚合订单流时，如何量化隐私噪声对流动性提供者收益的影响。方法上，论文建立了马尔可夫线性均衡，得到价格影响系数λ=σ_v/√(σ_u^2+σ_ε^2)（时间常数），并推导出在[0,1]时间段内从协议流动性池向交易者的累积期望转移为|Π_M|=σ_v σ_ε^2/√(σ_u^2+σ_ε^2)。主要贡献：1）证明了累积隐私补贴与损失-再平衡（LVR, Milionis et al. 2022）之间的结构对偶性，将隐私噪声福利识别为订单流观察视角下的LVR价格观察缺口；2）完成了在隐私聚合信息环境下量化承诺型AMM盈亏平衡费用的理论体系。该研究为理解DeFi中隐私保护机制的市场影响提供了数学基础。适合对市场微观结构、博弈论和去中心化金融理论感兴趣的读者。

该论文在经典的Glosten-Milgrom（1985）顺序交易模型框架下，引入了一个信息论隐私机制：市场做市商观察到的交易方向被一个二元翻转信道（翻转概率η）扰动。在贝叶斯市场做市商定价规则下，论文推导出了均衡买卖价差的闭式解为 μ(1-2η)Δ，其中μ为知情交易者比例，Δ为资产价值范围。福利分解揭示了一笔从协议流动性池到交易者的每笔交易转移 μηΔ——称为“隐私补贴”，这与先前在连续高斯Kyle模型中建立的隐私补贴概念相类似。该结果将隐私补贴概念从连续高斯环境扩展到了离散两状态微观结构，证明了这一概念在两个经典模型中的稳健性。主要应用场景为基于MPC（安全多方计算）的撮合引擎，其中引擎基于带差分隐私噪声的方向信号进行定价。论文通过理论推导和数学证明，展示了在金融市场微观结构中引入隐私保护机制对市场质量和福利的影响。适合对机制设计、市场微观结构、隐私保护经济学感兴趣的研究者阅读。

该论文研究隐私保护加密货币交易所（如屏蔽自动做市商、批量交换拍卖、密封订单流拍卖）中，做市商观察到被高斯噪声扰动的订单流时的市场微观结构均衡。作者在 Kyle（1985）连续拍卖模型的基础上，引入一个承诺型贝叶斯做市商，其观察到的订单流被独立同分布的高斯隐私噪声扰动。推导出唯一的线性均衡：价格影响系数和知情交易者策略均按隐私参数的单一因子重新缩放，且两者的乘积保持不变。福利分解进一步识别出每期从协议流动性池向交易者的转移——即“隐私补贴”（privacy subsidy），它是任何隐私聚合交易所必须收取的盈亏平衡费用。该结果类似于 Loss-Versus-Rebalancing（Milionis et al. 2022）在单期闭式隐私噪声下的类比。主要应用是通过显式加噪注入（如差分隐私）的屏蔽自动做市商；相关设计（批量交换、密封投标、预言机锚定交叉）需要单独的框架，留待未来工作。该论文为隐私保护 DEX 的经济设计提供了理论基础。