女巫-空投獵人 Sybil Airdrop Farmer

作者:CompoundWater 複水 ; Contents May Also Contribute to MatrixDAO本篇主整理來自 MatrixDAO RF GM 的週分享內容 。URL:

Contents

  • 空投目標 Airdrop Goals

  • 什麼是女巫 (空投獵人Sybil Farmer)

  • Arbitrum 空投防女巫機制

  • HopProtocol 如何用社群防範女巫

  • Paraswap 過猶不及的反例

  • Blur 的創新直接

  • 思考與討論

  • Conclusion

空投目標 Airdrop Goals

  • 去中心化代幣供應 (Decentralized Token Supply)

  • 激勵產品參與 (Incentivize Product Engagement)

  • 病毒式傳播,強化社區情緒 (Promote Virality, Improve Community Sentiment)

什麼是女巫 (空投獵人Sybil Farmer)

  • 通過冒充許多地址或遊戲機制來賺錢 (Aim to make money by impersonating many addresses or gaming mechanisms)

  • “我來這裡是為了玩並贏得零和遊戲並賺錢,”@CapitalGrug聲稱通過 Sybil 攻擊賺取了超過 1000 萬美元,在接受 DL News 採訪時表示。

Arbitrum 空投防女巫機制

如何防止女巫攻擊:使用鏈上數據來識別同一用戶擁有的相關地址,並使用 Nansen、Hop 和 OffChain Labs 的數據刪除橋接器、交易所和智能合約等實體地址。 還有一些地址被人工檢查刪除,比如捐贈地址、l2別名等。

https://github.com/ArbitrumFoundation/sybil-detection
https://github.com/ArbitrumFoundation/sybil-detection

Sybil Cluster 簇識別:通過將圖劃分為強連接子圖和弱連接子圖來生成簇。 使用 Louvain 社區檢測算法對大型子圖進行分解,提供更精細的結果並更準確地消除 Sybil 地址。我們根據已知模式識別 Sybil 集群。

  • 示例:在超過多個地址的集群中轉移資金的地址+由同一來源資助的地址+具有類似活動的地址

  • 過多個地址的集群中轉移資金的地址+由同一來源資助的地址+具有類似活動的地址

但根據一些媒體報導,還是有沒檢測到 (或沒考慮周到) 的女巫地址領到空投,將近~300k個,如

  • 交易所女巫:有上千個地址,從FTX提領了相同的資金

  • 鏈橋女巫:有上千個地址收到來自Hop協議的 0.033~0.023 的以太坊

  • “分散“ 智能合約分發:社群彼此互相轉錢的合約程式

  • 快照後分析(+不同鏈):除了快照前的動作,應該也考慮快照後的鏈上動作是否有變化

HopProtocol 如何用社群防範女巫

除了本身檢測 Cluster 外,還加上社群獎勵機制 (25% rebates)一起檢測

社群發現案例 #192:紅色為可疑的地址

Paraswap 過猶不及的反例

過於嚴格的空投檢測規則,將 98.5% 的地址排除在外,導致品牌的風險

Blur 的創新直接

相比過多的檢測防範,Blur 空投上採用直接公告的遊戲規則方式,如

  • Blur 點數規則 ( defined ”Points” for airdrop)

  • 激勵流動性提供行為 ( incentivize liquidity providing behaviors )

  • 公告逞罰機制,如清洗交易(wash trading)

  • 減少女巫激勵,可累積無上限積分 ( accrue uncapped pointed)

  • 避免 LooksRare的問題,點數與錢的掛鉤 (dollar value via points)

思考與討論

  1. 女巫的道德與合法性 (Ethics, legality of Sybil attacks)

  2. 誤報和女巫成本之間的權衡 (Tradeoffs between false positives and sybil costs)

    • Paraswap 的借鏡
  3. 空投資格應該有多明確?(How explicit should airdrop qualifications be?)

    • Blur 的方式,與其防女巫不如公開規則 (且機制上更 focus 在真實流動性,較不care 是否是真人)

    • L1, L2 需要判斷地址的機制難度,目前通常也會搭配中心化平台綁定驗證如推特,KYC等

  4. 我們應該對用戶統計數據進行女巫過濾嗎?(Should we sybil filtering for user stats?)

    • Aptos 較不嚴格的檢測,激勵了後續嚕空投興盛的現象,但也出現更多羊毛黨被反嚕的狀態,導致有價值的空投越來越少
  5. 創意的女巫或防止女巫的想法? (Creative sybil / Anti sybil ideas)

    • Worldcoin 的虹膜防範
  6. 博弈論 (Game theory)

    • 以前是用戶去嚕項目方,反而現在項目方會從用戶的airdrop預期心理來設計遊戲機制 (預告,宣告未來假象,拖時間等)

    • 融資狀況,市場行銷 (獲客成本,ROI),資源分配

總結

本文介紹了空投的目標和女巫攻擊的防範機制,包括使用鏈上數據來識別同一用戶擁有的相關地址、簇識別、社群獎勵機制等。此外,還介紹了一些空投檢測規則的例子,並探討了女巫攻擊的道德、誤報和女巫成本之間的權衡等問題。


轉載請註明出處與作者

聯繫郵件:nctu.frank@gmail.com

更多關於我: CompoundWater複水

IG/TG/YT/FB/Linkedin/Twitter: 頻道搜尋 @compoundwater

歡迎自由斗內支持(ERC20): 0xc2Ac7F93D54dfbf9Bf7E4AeD21F817F2ce598D28

Subscribe to CompoundWater 複水
Receive the latest updates directly to your inbox.
Mint this entry as an NFT to add it to your collection.
Verification
This entry has been permanently stored onchain and signed by its creator.