La imagen pública sobre la diversidad de clientes de consenso de Ethereum ofrece respuestas incompatibles según la herramienta consultada. Una captura del 16 de septiembre mostraba que Blockprint atribuía a Teku el 99,83% de los validadores, mientras que Miga Labs situaba a Lighthouse en el 51,32% y Rated daba a Teku una cuota del 53,86%.
Las tres cifras no miden exactamente lo mismo. Proceden de señales y metodologías distintas, y una de ellas está vinculada a un proyecto cuyo propio desarrollador considera que ha dejado de ser fiable. El problema no es meramente estadístico: conocer qué clientes utiliza la red resulta esencial para evaluar el riesgo de que un fallo afecte al consenso de Ethereum.
Por qué importa la concentración de clientes
Ethereum necesita que distintos clientes de consenso, desarrollados de forma independiente, lleguen a la misma conclusión sobre el estado de la cadena. Esta diversidad actúa como una capa de seguridad. Si un error afecta a un cliente utilizado por más de un tercio de la red, la cadena podría dejar de finalizar bloques. Sería un problema de disponibilidad o “liveness”, porque las transacciones dejarían de contar con la irreversibilidad que ofrece la finalización.
El escenario más grave aparece cuando el cliente afectado supera los dos tercios. En ese caso, un fallo crítico podría permitir la finalización de una cadena incorrecta. Los validadores podrían enfrentarse a penalizaciones por comportamiento incompatible con la cadena válida o a un costoso proceso de salida y reingreso.
Las referencias públicas de Ethereum suelen utilizar el número de nodos como aproximación. Sin embargo, para medir el riesgo de consenso interesa conocer también cuántos validadores emplean cada cliente y qué peso de voto representa su participación. Contar máquinas visibles no permite saber por sí solo cuánto ether depositado respalda cada observación. La captura del 16 de septiembre no ofrecía una medición única y ponderada por participación.
Tres métodos, tres lecturas distintas
Blockprint clasifica el comportamiento de los bloques mediante aprendizaje automático. Su estimación situaba a Teku en el 99,83%, pero el repositorio archivado por Sigma Prime advierte de que el clasificador dejó de ser preciso tras la actualización Electra y considera el proyecto desaparecido. A pesar de ello, Clientdiversity.org señalaba que ese panel se actualizaba a diario.
Miga Labs utiliza otra fuente: su rastreador descubre pares de la red y solicita información sobre el cliente que ejecutan. La cobertura puede verse limitada por cortafuegos, conexiones rechazadas, carencias en el descubrimiento y cambios en los identificadores de los pares. Además, un mismo nodo puede dar servicio a muchos validadores, de modo que una muestra de nodos no revela directamente la cantidad de ether asociada.
Rated ofrecía una estimación diferente, del 53,86% para Teku, aunque la metodología de esa cifra no aparecía detallada en Clientdiversity.org. La documentación de Rated muestra, en otro ámbito, hasta qué punto el análisis de concentración depende de vínculos públicos persistentes: para agrupar validadores por operador, la firma parte de las direcciones de depósito y utiliza investigaciones de transacciones, mensajes incluidos en bloques y declaraciones voluntarias. También reconoce que no existe un método estándar para identificar esas entidades.
La concentración de clientes, la de operadores y la de participación no son equivalentes. Un operador grande puede repartir sus validadores entre varios clientes, mientras que validadores aparentemente independientes pueden depender del mismo operador, proveedor de alojamiento o conjunto de programas.
La privacidad puede complicar aún más la medición
Las propuestas para reforzar la privacidad de los validadores podrían eliminar parte de las señales que hoy utilizan los observadores. Una investigación sobre una cadena Lean plantea renovar las claves de los validadores cada día, ocultar la relación entre depósitos, actividad y retiradas, y trasladar parte de la contabilidad a pruebas de conocimiento cero. El objetivo sería mantener la validez de los datos sin conservar identificadores persistentes.
Vitalik Buterin ha planteado una dirección similar para la privacidad de Ethereum, aunque también ha advertido de que ocultar la actividad puede esconder la centralización. La hoja de ruta sigue en desarrollo y está sujeta a cambios. El cambio diario de claves dificultaría seguir a un validador con el tiempo, mientras que ocultar los vínculos entre depósitos y retiradas afectaría a ciertos métodos de atribución de operadores.
Algunas técnicas seguirían ofreciendo señales parciales. Miga observa los pares de la red y Blockprint analiza patrones de comportamiento, no únicamente identidades. Pero el caso de Electra ya muestra que una actualización del protocolo puede inutilizar una huella de este tipo. Un estudio presentado en USENIX en 2025 también concluyó que cuatro nodos de observación localizaron a más del 15% de los validadores de Ethereum durante tres días, una capacidad que permite detectar concentraciones de alojamiento, pero que introduce riesgos de privacidad y de exposición.
La alternativa que se perfila pasa por publicar agregados verificables sin revelar qué cliente utiliza cada validador. Proyectos de Nethermind han estudiado votaciones privadas con cifrado, pruebas de conocimiento cero y recuperación únicamente del resultado agregado. Aun así, quedan cuestiones abiertas sobre la autenticación, los datos falsos, el muestreo, la certificación del software y el rendimiento.
Ethereum tendría que medir por separado la cuota de clientes, la concentración de operadores y el peso de la participación. La privacidad no elimina la necesidad de esa vigilancia: obliga a hacerla mediante informes autenticados, agregación verificable y márgenes de incertidumbre publicados.
