CLN节点在合作关闭通道时异常高费率问题分析
2025-06-27 03:13:29作者:幸俭卉
问题背景
在Lightning Network(闪电网络)的实现中,Core Lightning(CLN)节点被发现存在一个关于合作关闭通道(cooperative closure)时选择异常高交易费率的问题。多位开发者报告称,当CLN节点作为通道开启方时,在合作关闭过程中会提出明显高于市场水平的交易费率,导致用户需要支付不必要的高额费用。
问题现象
根据开发者提供的日志和截图显示,CLN节点在合作关闭通道时:
- 作为通道开启方
- 设置了
ignore-fee-limits参数 - 在协商过程中提出了高达331,571,4751 satoshi的极端高费率范围
- 最终达成的关闭交易采用了212,482 satoshi的费率,远高于正常市场水平
技术分析
合作关闭的费率协商机制
在闪电网络协议中,合作关闭通道的费率协商遵循以下流程:
- 一方发送包含建议费率的
closing_signed消息 - 接收方可以接受该费率,或提出一个介于双方上次提议之间的新费率
- 协议规定,如果接收方同意对方的费率,应回复相同的费率值
CLN节点的行为模式
CLN节点在以下情况下会放宽费率限制:
- 当节点不是通道开启方时,会将最大费率上限设为整个通道容量(理论上对方承担风险)
- 当设置了
ignore-fee-limits参数时,会移除费率的上限限制
问题根源
经过深入分析,发现问题主要源于:
ignore-fee-limits参数的副作用被低估,它不仅影响强制关闭的费率限制,也影响了合作关闭的费率协商- 当LDK(另一个闪电网络实现)作为对等节点时,它会利用CLN提供的宽泛费率范围,选择较高的中间值
- 协议规范要求节点在同意对方费率时应直接接受,但实际实现中存在协商空间
解决方案与改进
CLN开发团队已经识别出这个问题并采取了以下措施:
- 对于非锚点通道(non-anchor channels),即使在
ignore-fee-limits情况下,也将最大费率限制为最终单边关闭所需的费用 - 修改了
ignore-fee-limits参数的行为,使其不再影响合作关闭的费率协商 - 增加了对合作关闭费率的合理上限控制
技术建议
对于运行CLN节点的用户,建议:
- 谨慎使用
ignore-fee-limits参数,了解其对不同场景的影响 - 监控通道关闭时的费率水平,确保符合预期
- 考虑升级到包含修复的CLN版本
总结
这个问题揭示了闪电网络实现中参数交互的复杂性,以及不同实现间协商行为的微妙差异。通过这次事件,CLN团队加强了对费率协商机制的控制,提高了用户体验。这也提醒开发者需要全面考虑参数的跨功能影响,特别是在涉及资金安全的场景下。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue08- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
575
3.89 K
Ascend Extension for PyTorch
Python
396
474
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
360
219
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
902
704
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.39 K
787
昇腾LLM分布式训练框架
Python
122
148
React Native鸿蒙化仓库
JavaScript
312
364
暂无简介
Dart
814
200
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
124
161
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
93
161