OIN:如何減少Gitcoin資助生態系統中掠奪行為？看看基于網絡科學的“指紋”的效用

原標題：《深度：社區共謀還是新興市場？——基于網絡科學的“指紋”在Gitcoin資助中的應用》》

本文由DaniloLessaBernardineli、MichaelZargham和JeffEmmett撰寫，首發BlockScience，授權DAppChaser發布，中文版本由Lucas和Erica翻譯，如需轉載，請事先聯系。

BlockScience是一家專注于復雜網絡設計和分析的工程研發公司。

導言

GitcoinGR9在近期圓滿落幕，以190萬美元的募資額打破記錄，創造新的歷史。

然而，不少人捐贈的目的只是為了所謂的空投，一些用戶甚至采取了用機器人刷量的Sybil攻擊。為此，Gitcoin在近日上線了治理論壇，希望和關心二次融資未來的人一同探討未來的資助形式，如何防止社區欺詐行為。

作為一家嚴肅的區塊鏈研發的機構，BlockScience曾對多輪Grants提供過專業分析，本文就是他們針對GR8的數據分析。

如您對于這一話題感興趣，愿意深入了解，甚至發揮專業特長參與到其中，可以參考BlockScience發布的GitcoinModellingCo-LabTL。

如果你不明白什么是二次融資，可以先閱讀《進階級科普：淺談Gitcoin和clr.fund背后的二次融資機制》。

BlockScience對GitcoinGrants生態系統進行了持續的分析，在上一篇文章中，我們簡要介紹了二次融資，以及這種資源分配政策在為社區補助提供公平的資金分配方面所面臨的挑戰。本文中，我們將深入使用cadCAD來識別潛在的共謀或欺詐行為的具體實例，并討論旨在減少Gitcoin資助生態系統中掠奪行為政策的后果。

高盛：探索如何確定比特幣和其他加密資產的“基本面”:本周，高盛經濟研究團隊的Zach Pandl和Isabella Rosenberg發布報告，探索了如何確定加密資產的基本面問題。報告指出，將加密資產等同于黃金是確定其基本面的常見框架，但除此之外，加密貨幣價格也與其底層分布式網絡的價值有關。報告使用區塊鏈地址估算網絡用戶數量，并與貨幣市值進行比較，觀察到：“市值與網絡規模之間存在明顯的相關性”，且相關性超過1。他們基于歷史數據計算出的平均增長曲線接近價值=用戶數的1.4次冪，這給出了一個利用基本面作為市值參考的基準比率。基于該推斷，報告指出BTC的市值遠大于基本面，其基于用戶增量的價值（基本面）與市值相比存在嚴重偏差。過去幾年，比特幣市值較2018年平均水平上漲520%，但網絡僅增長60-100%。報告認為這一偏差意味著要么比特幣現在被高估，要么2018年被低估，要么兼而有之。但報告也指出，除基本面因素外，加密貨幣上漲還有眾多其他因素，包括情緒，以及它作為一種快速致富的新方式的吸引力。但投機交易帶來的網絡活動增加并不能完全反應基本面的改善，因為平臺并未獲得更高的經濟價值，要使加密貨幣網絡具備可持續價值，活動需要由非投機性用例驅動，而目前此類用例十分缺乏。（雅虎財經）[2021/7/21 1:06:15]

開始之前……

作為一個致力于#OpenScience的研究機構，我們打算以嚴謹的態度對待GitcoinGrants生態系統的數據分析，并在工作中向我們的觀眾展示結果。出于這個原因，你會注意到，本文遵循以下格式——

假設

假設

方法：數據和模型

數據分析

解釋和討論

CFTC技術團隊正嘗試了解應如何處理DeFi:美國商品期貨交易委員會（CFTC）的技術咨詢委員會正在嘗試了解應如何處理DeFi。該委員會周一主持了一場演講，題為”DeFi的增長和監管挑戰”，演講者是法學教授Aaron Wright和律師Gary DeWaal。Wright總結了DeFi的優勢，即通過自動化多個相關流程，可以為更多的人提供成本更低的服務。此外，演講者提及DeFi具有潛在風險，如高技術準入壁壘等。對于“如果DeFi平臺非法運作，當局應該追究誰的責任”，DeWaal表示，這是一個難以逾越的法律障礙。次要責任可能會威脅到使用或參與DeFi協議的廣泛人群。（cointelegraph）[2020/12/15 15:12:05]

結論

在我們展開深入研究之前，另一個需要確定的要點是“共謀”和“欺詐”的定義，因為這也是Gitcoin團隊在確保公益融資平臺公平透明的首要關注點之一。根據Vitalik、Weyl和Hitzig關于CLR的學術論文，“共謀”的定義是“多個代理人為了共同的利益而損害其他參與者的利益”，而“欺詐”的定義是“一個公民將自己謊稱為許多人”。這些定義在分析上有點棘手，因為由于每輪補助金的飽和效應，會讓Gitcoin補助金系統中幾乎所有社區層面的動員都如同共謀一樣，因為在共享有限的贊助資金池時，一個社區的任何收益都會對其他社區造成減益影響。另外，維基百科將“共謀”定義為“秘密或非法的合作或陰謀，特別是為了欺騙或欺騙他人”，這種說法符合我們的目的，因為它允許我們在分析中解釋意圖。

通過本文的章節，我們將開始研究參與GitcoinGrants的各個社區所表現出的合作模式，看看我們是否能識別出共謀或欺詐行為，以及如何減輕這種行為。

假設

使用Gitcoin補助的社區有一個基本的“形態”。主觀上，這可以采取以下形式。

密集的社區，比如CommonsStack、TokenEngineering集群，在那里你有大量的相關項目，有重疊的參與貢獻者。

直播｜李慧：顯卡礦池如何殺出重圍:金色財經 · 直播主辦的《 幣圈 “后浪” 仙女直播周》第8期14：00準時開始，本期“后浪”仙女蜘蛛礦池 市場總監 李慧將在直播間聊聊“顯卡礦池如何殺出重圍”，感興趣的朋友掃碼移步收聽！[2020/7/11]

高度整合的社區，比如以太坊基金會，你有大量的連接性，而不需要緊密的集群。

孤立的社區，如DAppChaser和其他區域性質項目，項目上有大量的貢獻者，但與其他補助金項目的連接有限。

我們在本文中的假設是，我們可以將這些形狀解讀為“指紋”，對有機的社區行為進行模式化分配，以更好地識別掠奪行為，降低從整個Gitcoin社區抽走分配資金的能力。然而，在我們能夠識別共謀攻擊的網絡結構之前，我們首先必須了解Gitcoin社區的結構。這種形態可以通過使用網絡科學技術來定量檢測，比如社區檢測算法，我們將在下一節作進一步探討。

在我們的分析中，我們使用了幾種不同的工具和假設，鑒于這些工具和假設對我們的分析具有主觀性，我們將在此列出。

貨幣匯總

本分析將所有捐款兌換成等值的美元，而不考慮捐款的幣種。這是一個簡化的假設，遵循了Gitcoin基金分配政策的運作方式。

排除分配資金

本報告不包括通過Gitcoin二次融資算法對分配資金的嚴格分析，而是重點分析GitcoinGrants網絡的結構。后續的分析可以深入研究分配算法的效果。

社區檢測算法：FluidCommunities

FluidCommunities是一種基于傳播的算法，能夠識別動態網絡中數量不等的群落。它們是基于流體在環境中相互作用的想法，由于這種相互作用而擴大和收縮。FluidCommunities能夠在合成圖中找到社區，其精度接近于目前最好的替代品。在本文中，我們將把這些群落互換地稱為“子圖”。

大咖零距離 | 如何盡量的以小博大:1月3日20:00，金色盤面邀請實盤大V爆哥做客金色財經《大咖零距離》直播間，將分享《如何盡量的以小博大》，敬請關注，欲進群觀看直播掃描海報二維碼報名即可！[2020/1/3]

社區切分大小的選擇：5

我們選擇切分成5個子社區：你總是需要從某個地方開始，5個子社區數字恰如其分，既能讓人縱觀大局，又能解釋結構。請記住，這5個子圖有交叉連接，所以它們可以重新粘貼在一起，從而形成完整的貢獻圖。

雖然我們只是簡單選取了一個社區檢測算法和子圖的數量進行切入，以達到快速探索性分析的目的，但我們正在進行的研究對象是對超參數的敏感度進行更嚴格的考察，通過模塊度最大值法、特定領域監督學習和聚類系數的滲透分析等措施混合選擇算法。這些選擇將在未來被重新審視，以確定算法或參數的變化是否會影響我們的結論，同時也可以保持反思性。

這里仍是整個GitcoinGrants第8輪網絡，這次是由5個獨立的社區子圖著色的，下面會進一步探討。

方法論：數據和模型

在這次分析中，我們使用的是GitcoinGrants第8輪捐贈數據。我們將把這些數據輸入到GitcoincadCAD模型中進行數據分析。通過這個模型，我們能夠近似地計算出最終的匹配情況，根據Gitcoin團隊的任何用來減輕攻擊的干預措施都有效。

使用cadCAD模型，我們生成一個圖來表示GitcoinGrants貢獻網絡中贈款和捐贈者之間的相互聯系。為此，我們將FluidCommunity算法應用到NetworkXGraph對象中，NetworkXGraph對象返回給我們一個檢測到的社區列表。這些社區由捐贈者和貢獻者兩個節點組成，貢獻流是他們之間的邊界。

動態 | Block.one 總裁發文闡述區塊鏈如何解決銀行的 KYC 和 AML 問題:據 IMEOS 報道，Block.one 總裁 Rob Jesudason 十分鐘前發文《How Blockchain Offers an Answer to Banks’ KYC and AML Issues 》闡述區塊鏈如何解決銀行的 KYC 和 AML 問題。他認為區塊鏈不是官僚或新聞中想象的監管雷區; 相反，它可以成為監管機構的資產。

文中提及在過去十年中，許多世界領先的銀行都因反洗錢問題而被罰款，罰款總數達260億美元之多。而在過去12個月中，監管機構如何考慮如何鼓勵使用區塊鏈技術方面取得了進展。區塊鏈技術可以減輕數據模糊性并減少欺詐的可能性。如果所有銀行都在區塊鏈上，那么KYC和AML數據可以以安全，透明和無縫的方式在金融機構之間共享。[2018/10/16]

然后，我們將帶有三個不同的受資助社區的子圖可視化：cadCAD子圖、MetaGame子圖和DAppChaser子圖。

數據分析

下面可以看到GitcoinGrant合作子圖的可視化。解讀圖時，捐贈者用藍色節點表示，貢獻者用橙色節點表示。所有捐贈者的總貢獻決定了捐贈節點的大小，而貢獻者節點的大小則由他們對所有捐贈者的貢獻量決定。節點之間的網絡連接表示從捐款人流向贈款人的捐款。

深入挖掘數據，我們選擇分析三個不同的社區"指紋"，以更好地了解不同群體的互動模式，以及如何識別GitcoinGrants中的共謀或不公平行為。"cadCAD"和"Metagame"被選為我們社區的分析重點，這些社區我們有第一手經驗，以便于提高我們用社會背景解釋數據的能力。通過這種分析，DappChaser是一個新出現的有趣模式。

cadCAD子圖

這個子圖有一個有機的外觀，圍繞著cadCAD相關捐贈者的生態系統有一個緊密的合作群，再加上與生態系統上的幾個項目有連接。

cadCAD受資助方的鄰近社區子圖，藍色為受資助方，橙色為貢獻者。

關于cadCAD子圖的一些統計。受資助方總數：110伙伴總數：888子圖內美元總價值：41,047.76美元本子圖中的前5名捐贈者：

Gitcoin開源支持基金：10,333.02美元

CommonsStackCommunityFund—PanvalaLeague：2,628.53美元

Wallkanda：2,510.39美元

Autonio:2,500.89美元

DistributedTown：2,500.89美元

MetaGame子圖

這一子圖同樣表現出一種有機的結構，雖然比較分散，擁有很多協作連接，但沒有密集的聚類。

MetaGame受資助方的鄰近社區子圖，藍色為受資助方，橙色為貢獻者。

關于MetaGame子圖的一些統計。受資助方總數：171伙伴總數：825子圖內美元總價值：14,859.97美元本子圖中的前5名捐贈者：

1.ScribbleSpecificationsandRuntimeVerificationFund:2,958.19美元2.BeyondNFT:2,616.18美元3.Rekt-ThedarkwebofDeFijournalism:2,499.94美元4.Unitimes-Ethereumdevelopercommunityplatform:1,552.87美元5.vfat.toolsYieldFarmingCalculators:1,411.17美元

DAppChaser子圖

與其他子圖相比，這個網絡鄰居看起來有些不同。該網絡看起來并不像我們之前的例子那樣有機，而且這個生態系統中的捐助者和其他Gitcoin捐贈者之間幾乎沒有連接性，這表明這是一個合作較少的生態系統。

DAppChaser捐贈者鄰近社區的子圖，藍色為受資助方，橙色為貢獻者。

關于DappChaser子圖的一些統計數據。受資助方總數：85伙伴總數：966子圖內的美元總價值：26,243.74美元本子圖中的前5名捐贈者：

KERNELBlockII：11,755.68美元

EUCryptoInitiative—educatingpolicymaker：9,866.64美元

Catnip:3,038.81美元

MemeoftheDay：2,516.04美元

COVID-19Moment||FoodBagDeliveryforfamilies：2,118.16美元

乍一看，這個子圖譜可以提供一些可能暗示共謀或欺詐行為的指紋模式——個人捐贈者的大量捐贈，與Gitcoin網絡中的其他捐贈者聯系非常少。但當我們看得更深一些時，這些也可能是新市場中支持良好的社區，它們只是第一次與Gitcoin的公開資助生態系統互動。

這些差異化可以更加清晰，這要歸功于BrightID，它是一個身份證明系統，當合作者被唯一識別時，就會提供配套資金的獎勵。BrightID團隊在舉起這個特殊模式的旗幟，以及在確定與捐贈者相關的唯一身份驗證方面的工作值得稱贊。鑒于Gitcoin專門為來自東亞的項目創建了一個捐贈者池，顯然，吸引更多來自這些地方的用戶是一個系統目標。因此，在我們需要警惕共謀的同時，我們也需要確保任何檢測算法不會調整得過于激進，以致于排斥不同市場的新人加入到未來的GitcoinGrants中。

解釋和討論

在上面的分析中，我們可以看到數據中發生的某些模式，可以讓我們了解到在哪里可以挖掘更多的信息。在DAppChaser集群模式中，算法可以標記出潛在的共謀行為，但這個問題可能不是單靠算法就能解決的。可能需要建立數據收集和社區治理工具，旨在決定如何圍繞共謀行為制定政策，以及在共謀行為發生爭議時，如何逐一對捐贈者解釋共謀政策。最終，我們感興趣的是，Gitcoin的系統如何將這些行為的相關數據提升到系統的治理層，用于解決社區糾紛。

雖然這個指紋可以作為潛在的共謀行為的模式，但我們需要注意的是，我們的算法不要太天真，不要把新加入的人和共謀者的社區混為一談，導致不公正的懲罰。如果我們的算法過于激進，我們就有可能將新市場的進入者排除在外，這對Grants生態系統的長期發展也是不健康的。

結論

我們進行這一分析的目的并不是要區分Gitcoin生態系統中政策選擇的“對”與“錯”，而是利用數據驅動的分析來探討算法政策設計的主觀選擇。在上面的討論中，我們可以清楚地看到，沒有一個客觀的“正確政策”可以解決GitcoinGrant匹配中的所有挑戰。因此，在考慮到其社區的規范和使用情況，以及對漸進式去中心化的渴望的情況下，應該做出怎樣的權衡來維護Gitcoin所定義的公平性，必須有主觀的選擇。這篇分析希望能讓這些權衡變得清晰，為Gitcoin團隊和社區的政策選擇提供決策支持，以實現目標。

我們贊揚Gitcoin使用了一個標志算法，它可以識別潛在的共謀行為的范圍，以適當地引導團隊的注意力，并且我們對如何進一步微調該算法感興趣。鑒于“共謀”在GitcoinGrants中更多的是一個范圍類別，而不是一個離散的事件，因此建議人們在共謀分析和決策中循環。

雖然在處理"公平性"這樣的主觀衡量標準時，幾乎沒有什么標準答案，但我們可以提出一些非常好的問題來幫助我們磨合GitcoinGrants系統中我們認為的掠奪行為，以幫助做出相應的政策選擇：

有多少資金從更有機的社區分配到更有共謀性的貢獻模式？

考察當前的GitcoinGrant政策，在有或沒有每個政策的情況下，捐贈者會得到多少資金？(這方面的一些工作已經在進行中)

共謀的預警信號是什么，我們如何將這些信號升級到系統的治理層？

考慮到解決這些問題對公益事業的資金支持的上升空間，以及GitcoinGrants數據集的新穎性，我們非常希望從這些數據中解讀出更多的見解，以幫助在明年建立更多的抵抗共謀系統。

Tags：OINCOICOINITCGOINCoinracerbitcoin2bitcoin

狗狗幣最新價格