La diversidad de clientes de Ethereum ofrece una imagen contradictoria según la herramienta utilizada para medirla. Una captura del 16 de septiembre publicada en clientdiversity.org atribuía la mayor cuota a Teku con un 99,83% según Blockprint, mientras que Miga Labs situaba a Lighthouse en el 51,32% y Rated volvía a colocar a Teku en cabeza, con un 53,86%.
Las tres cifras no son comparables de forma directa. Cada sistema observa señales distintas y, en uno de los casos, la propia herramienta de referencia ha sido considerada obsoleta por sus desarrolladores. El episodio pone de relieve una cuestión relevante para la seguridad de la red: Ethereum necesita conocer cómo se distribuyen sus validadores entre distintos clientes, pero las técnicas disponibles ofrecen una visión parcial y, en ocasiones, incompatible.
Por qué la concentración de clientes importa
Los validadores de Ethereum dependen de clientes de consenso desarrollados de manera independiente para acordar el estado de la cadena. Esa diversidad funciona como una medida de seguridad. Si un fallo afecta a un cliente utilizado por más del 33% de la red, Ethereum podría dejar de finalizar bloques. Sería un problema de actividad, porque las transacciones no podrían considerarse irreversibles con normalidad.
El riesgo sería mayor si un error crítico afectara a un cliente con una cuota superior a dos tercios. En ese caso, podría finalizarse una cadena incorrecta y producirse un fallo de seguridad, con posibles penalizaciones para los validadores y un proceso costoso de salida y reincorporación.
Las guías de Ethereum.org suelen utilizar el número de nodos como referencia. Sin embargo, para medir el riesgo real interesa también saber cuánta participación, o peso de voto, respalda a cada cliente. Un recuento de máquinas visibles no permite determinar cuánto capital en staking hay detrás de cada observación. La captura del 16 de septiembre no ofrecía una medición única y ponderada por participación.
Tres métodos, tres lecturas diferentes
Blockprint emplea un modelo de aprendizaje automático que clasifica el comportamiento observado en los bloques. El repositorio archivado de Sigma Prime señala que el clasificador dejó de ser preciso tras la actualización Electra y califica el proyecto de obsoleto. Aun así, clientdiversity.org identificaba su panel como actualizado diariamente y mostraba una cuota del 99,83% para Teku.
Miga Labs utiliza otra señal: su rastreador descubre nodos, se conecta a ellos y solicita información sobre el cliente empleado. El alcance puede verse limitado por cortafuegos, conexiones rechazadas, lagunas en el proceso de descubrimiento o cambios en los identificadores de los pares. Además, un mismo nodo puede dar servicio a numerosos validadores, por lo que la muestra de nodos no revela por sí sola el peso económico de las posiciones observadas. Su estimación colocaba a Lighthouse en el 51,32%.
Rated mostraba una cuota del 53,86% para Teku, aunque el método utilizado en ese panel no estaba detallado en clientdiversity.org. La empresa explica por separado que, para estudiar operadores, agrupa las claves de los validadores a partir de la dirección de depósito y después relaciona esos grupos con entidades mediante el análisis de transacciones, los mensajes incluidos en bloques y la información comunicada voluntariamente. También reconoce que no existe un método estándar para realizar esa identificación.
La concentración de clientes, la de operadores y la del capital en staking no son equivalentes. Un operador grande puede repartir sus validadores entre varios clientes, mientras que validadores aparentemente independientes pueden compartir operador, proveedor de alojamiento o infraestructura de software.
La privacidad puede complicar aún más la medición
Los investigadores de Ethereum estudian mecanismos para reforzar la privacidad de los validadores. Una propuesta de investigación sobre una cadena Lean plantea renovar cada día las claves de los validadores y ocultar las relaciones entre depósitos, actividad y retiradas. Otra línea, defendida por Vitalik Buterin, trasladaría buena parte de la contabilidad individual a pruebas de conocimiento cero, con registros diarios y pruebas ZK-STARKs.
Estas medidas reducirían las huellas que hoy permiten seguir a un validador o agruparlo por su dirección de depósito. También podrían dificultar las técnicas de clasificación basadas en identificadores persistentes, aunque no eliminarían automáticamente el análisis del tráfico entre pares ni el reconocimiento de patrones de comportamiento. El caso de Blockprint tras Electra muestra que una actualización del protocolo puede invalidar una huella empleada para identificar clientes.
Una posible salida pasa por informes agregados y verificables: los validadores podrían comunicar su cliente de forma privada, demostrar que el dato es válido y permitir únicamente el cálculo de la distribución total. Investigaciones de Nethermind han planteado cifrado homomórfico, generación distribuida de claves y pruebas de conocimiento cero, aunque siguen abiertas cuestiones como el muestreo, los datos falsos, la atestación del software y el coste operativo.
El reto será preservar la privacidad sin perder la capacidad de detectar una concentración peligrosa. Para ello, Ethereum necesitaría mediciones autenticadas por participación, agregación verificable, márgenes de incertidumbre publicados y un tratamiento separado de la concentración de clientes, operadores y capital. La discusión actual no demuestra cuál de las cifras es correcta; demuestra que todavía no existe una referencia pública capaz de responderlo de manera concluyente.
