DAO:DAOrayaki：GitcoinDAO反女巫攻擊流程-ODAILY

在去中心化社區中管理復雜的人類/機器學習過程這篇文章是BlockSciencexGitcoin合作的最新作品，探索了去中心化社區——GitcoinDAO中人類/機器學習女巫檢測管道的操作和治理。

介紹與背景

在本次合作的前幾篇文章中，我們探討了計算機輔助治理對GitcoinGrants生態系統的潛力，以確保以太坊生態系統公共物品資金的可信中立。研究人員KelsieNabben進一步探索了二次方資助系統中固有的sybil弱點的漏洞，證明了Gitcoin中反sybil功能的關鍵性質。在GitcoinDAO內建立了一個成熟的欺詐檢測和防御工作組，以解決GitcoinGrants中的大規模對抗行為。如果這些話題對你來講比較陌生，可以check文章底部鏈接，了解以往所有工作。

BlockScience、TokenEngineering和Gitcoin社區一起，一年多來一直致力于改進GitcoinGrants平臺上的欺詐檢測和防御。GitcoinDAO的女巫檢測和欺詐預防之旅始于機器學習(ML)算法的研發，以檢測潛在的女巫行為、算法的實現和操作、評估和評估算法以調整敏感性和特異性，并根據Gitcoin平臺的條款和條件將算法與人工監督和評估結合起來，以管理和升級算法。在GitcoinDAO的監督下，此算法政策流程已逐步移交給FDD工作流中的GitcoinDAO貢獻者進行治理和維護。

Nouns DAO向以太坊數據網站Ultrasound.money捐贈100枚ETH:6月20日消息，Nouns DAO社區經過投票決定將100枚ETH捐贈給以太坊數據網站Ultrasound.money，旨在支持公益事業的運作，以增強以太坊區塊的抗審查性。據悉，ultrasoundrelay團隊致力于促進以太坊區塊的中繼多樣性。[2023/6/20 21:49:21]

該圖顯示了ASOP在更大的GitcoinDAO生態系統中的位置。它顯示了DAO的各個功能子組，以及它們與欺詐檢測和防御工作組之間的互連。有關更多詳細信息，請閱讀FDD成員MichaelZargham和JessicaZartler的這篇Gitcoin論壇帖子。

本文重點介紹GitcoinDAOFDD工作組中涉及的不同工作模式，特別是在人類ML反女巫操作化流程的漸進式操作中納入更熟練的GitcoinDAO貢獻者。它還將引入一種稱為社會技術頻率圖的新工具，用于了解進入這種混合人機學習過程的不同工作模式和頻率。最終，我們正在探索如何讓DAO成功地將復雜的工作和自動化組件分解為由去中心化的貢獻者子組執行的可實現的任務。

OceanDao于04-1601:40:00銷毀ODT總量的90%:據官方消息，OceanDao于北京時間2021-04-1601:40:00銷毀ODT總量的90%,立即打入黑洞地址.銷毀之后,ODT總量將降至1億枚,當前流通量約148萬枚.同時ODT也將開啟第二階段的歷程,在未來兩周之內上線DAO池,重大事項均須由全體社區成員投票決定,ODT的每一位支持者都擁將有決定ODT未來發展的權利.

ODT銷毀信息見鏈接。[2021/4/16 20:26:12]

擴展反女巫操作流程(ASOP)

機器學習管道的治理是關于日常系統中的自動化決策基礎設施。在GitcoinDAO中，設計并構建一種半監督、人在環路，機器學習(ML)算法，用于大規模女巫檢測。自動化和機器學習不是在決策中可以掉以輕心的工具，尤其是當人類福祉和社會動態關系到結果時。因此，我們必須確保將適當的人工輸入、監督和上訴應用于該女巫檢測算法，并且對其進行管理仍然是一個開放的過程。關于這些原因的更廣泛討論可以在《EthicalAlgorithm》or《HelloWorld:BeingHumaninanAgeofAlgorithms》等書籍中找到。

MakerDAO通過執行投票，將Dai全局債務上限提高至12億:據官方消息，MakerDAO通過執行投票，將Dai全局債務上限提高至12億，以進一步增加市場流動性：

1. 將USDC債務上限由2億提高至4億；

2. 將USDC清算線由103%降低至101%；

3. 將PAX清算線由103%降低至101%；

4. 激活新的TUSD抵押品，債務上限為5000萬，清算線為101%。

此外，基礎穩定費率提高2%。正式生效時間為北京時間2020年9月19日15時53分。[2020/9/19]

機器學習管道包括根據Gitcoin平臺的條款和條件定義被視為欺詐行為的行為，然后是算法標記、對這些標記的人工評估以及按比例進行制裁所謂的不當行為。為了讓這個過程運行良好，需要與GitcoinDAOFDD工作組合作將算法嵌入到管理過程中。

實際上，ML算法識別使用模式，并將用戶標記為“女巫”或“非女巫”,’以及其標志準確性的置信度分數。

為了幫助和提高檢測算法的準確性，該過程涉及一個微服務，FDD操作組可以調用該微服務將用戶的隨機子集發送給人類評估人員。這些評估人員是FDD組的志愿者，他們會查看該子集并自行決定用戶是否可能是女巫攻擊者。這種人工輸入會反饋給算法，以不斷提高其準確性。

MakerDAO發起有關調整基本利率和Dai存款利率的投票:金色財經報道，據MakerDAO官方博客消息，6月22日，Maker基金會臨時風險小組將一系列治理投票納入投票系統，包括基本利率調整（-4％到4％）、Dai存款利率（0％至4％）調整以及將ENJ、LEND、LINK、MATIC、PAXG和WKT作為抵押資產的提案。[2020/6/23]

在這個可操作的過程中構建女巫檢測有幾個優點。首先，該過程包括通過審查算法的某些決策來進行人工判斷。這節省了時間，并使sybil檢測過程能夠隨著Grants平臺上的流行和不斷增長的需求而擴展。其次，人工標記擴展了算法可用于未來模型訓練和驗證的數據集，不斷使其更有效地檢測女巫模式。第三，透明的決策和工作流程使標記過程對更廣泛的社區負責，社區可以通過GitcoinDAO管理員和新生過程進行監督。

目前的ASOP各個部分的結構如下。藍色方框是自動微服務，FDD工作組的任何成員都可以調用它來激活ASOP的各種組件。

MakerDAO最新執行投票通過，ETH債務上限提高至1.4億Dai:此前消息，Maker基金會臨時治理協調員將一項執行投票納入投票系統，計劃將Dai的ETH債務上限提高2000萬至1.4億Dai。

據了解，該提案已于UTC時間6月5日20:45通過，UTC時間6月6日08:45正式執行，ETH債務上限已提高1.4億Dai。[2020/6/6]

此圖顯示了反女巫操作化流程中可用的不同子系統、數據集、操作和微服務。

FDD工作組內的工作階段

欺詐檢測與防御小組的工作分為兩個不同的階段：開發和運營。這些階段按順序進行，并不斷建立在先前資助輪次中吸取的經驗教訓之上。

在開發階段，目標是使女巫檢測更好：更準確、更快、更自動化。此階段的一個優先事項是討論如何在不改變系統的重要屬性的情況下更改系統以實現預期目標。現在是研究前幾輪以及調查共謀和欺詐預防框架的時候了。決策是基于有關哪些算法和模型可能在一輪中發揮最佳作用的研究做出的。也正是在添加或改進功能時，才會在運營階段發揮作用。工作節奏往往較慢，因為研究、討論和構建都需要時間。

另一方面，操作階段幾乎沒有時間進行深入、緩慢的思考。此階段的目標是確保在開發階段設計、構建和完善的系統能夠順利有效地運行。必須清楚明確地規定在開發中決定的流程，以確保不同的資助輪次之間和每一輪資助周期的一致性。當資助開始時，重要的是所有參與運營階段的貢獻者都知道他們的角色并準備好扮演它，因為當成千上萬的捐贈進入并且必須處理女巫攻擊者時，幾乎沒有時間進行培訓。為此，已準備好詳細說明這些角色和程序的大量文檔，并且在每一輪資助之前，FDD小組都會運行模擬的女巫標志評估場景，以確保每個人都在同一頁面上。

去中心化社區中的集群工作流模式和頻率：社會技術頻率圖

在獲得許可的組織內設計和運行人類機器學習sybil檢測算法是一回事——試圖通過向DAO的治理開放來去中心化該過程是另一回事。維護和改進ASOP的任務列表包括管理數據操作、貢獻者訪問控制、授予標記上訴和制裁、附加功能請求以及上述所有內容的無縫集成。即使對于高度協調的團隊來說，這也是一項艱巨的工作——在DAO的成員之間分散和分配這些任務需要深謀遠慮，并深入了解社會技術系統如何在不同的時間尺度和工作模式下運作。

Gitcoin向DAO的轉變非常迅速，并且發生在反sybil管道僅部署一輪時。為了將這一關鍵反女巫流程的管理轉移到GitcoinDAO社區，而不是僅僅依賴Gitcoin或BlockScience團隊，我們呼吁具有相關技能的社區志愿者幫助協調和管理ML管道。

挺身而出的貢獻者按可用性和能力分組到工作組中所需的角色中，以適合他們的技能集和可用時間。工作被分解為整個工作組的職能和任務，再次按工作頻率和所需技能組合進行分組。工作組現在擁有從工程師到數據科學家、開發運營、運營安全和社區管理的貢獻團隊，在不同的子工作組中執行不同時間尺度的不同種類任務。

在下圖中，我們稱之為社會技術頻率圖，您可以看到FDD工作組的各種任務和功能。它們沿x軸根據工作模式分組，左側是更多面向社會的任務，右側是更多面向技術的y任務。它們還根據沿y軸的工作頻率進行分組，低延遲實時工作在圖表頂部，高吞吐量長期工作在底部圖的。

通過GitcoinDAOFDD功能的社會技術頻率圖了解社會技術系統中不同的時間尺度和工作模式。

通過分解不同的工作模式和節奏，可以對處理復雜問題的去中心化團隊產生實質性的影響，因為在捆綁具有不同規模和性質的工作時，存在與上下文切換相關的大量認知成本。

在社會技術頻率圖中識別工作對象坐標的啟發式方法可以描述為：作品是否需要響應性和同步性？它需要準日常儀式嗎？如果是，那么它可能是面向實時軸的。工作產出的“好壞”是否可以用可衡量和共識的標準來指定？是否有可能準確描述應該如何以其他人可復制的方式完成某事？如果是，則它面向技術軸。

工作的成功是否主要取決于集中注意力而不是廣泛關注？可以用非線性時間開發嗎？如果是，可能它是面向長期軸的。一件作品的成功衡量和操作方法是否相對在旁觀者的眼中？它是否需要混合其他人難以甚至不可能完全復制的屬性？如果是這樣，那么它可能是面向社會軸的。

在具有不同成員和技能的多個工作流中溝通和管理期望，對于ASOP的平穩運行至關重要——這是保持GitcoinGrants可信中立和平穩運行的關鍵部分，盡管必須在“飛行中”運作，而更廣泛的治理組織正在向DAO過渡。

結論

在各種DAO和組織中，分布式團隊在復雜工作流程上協作所面臨的困難存在類似的模式。本文闡明了其中一些挑戰，并提出了有用的框架，如社會技術頻率圖，以幫助劃分和操作工作流。了解所需工作的不同模式和節奏使我們能夠分解松散耦合的工作組之間的任務和職責，這些工作組可以半自主地運行以實現他們的目標，所有貢獻都將輸入到更大的GitcoinDAO系統中。

我們與GitcoinDAO欺詐檢測與防御小組的合作仍在繼續，我們期待著從今天開始的GitcoinRound12開始！如果您想參與欺詐檢測和防御工作組，請聯系GitcoinDAOFDDDiscord頻道以了解最新情況。

Tags：DAOITCCOIITCOMemeDao.AiHuobi Bitcoin CashRatsCoin Team DaoClassicBitcoin

火幣網下載官方app