Decentralizing Sybil defense using Gitcoin data
public.icon
DeFi以外のプロジェクトは、基本的にIDの概念に依存している 票数の増幅、ゲームのゲーム化、エアドロップの農場化、さらには公共財の資金を自分のプロジェクトに流用しようとする行為者によって攻撃されることがあまりに多いのです
新しいペルソナを作るコストが、そのペルソナが生み出す報酬よりも低ければ、ユーザーは自分自身を分割するインセンティブが働きます
GitcoinのSybil問題
この事実かなりでかい
しかもこの割合は増えているらしいtkgshn.icon*3
Gitcoinの場合、シビル防御の問題は以下のように要約されます
こっちは時間がかかると思う
こっちはリアルタイムで適応可能
そしてこれらはプロトコルとして、相互運用可能な形で欲しいと。
でも、これを読んでると、ある意味諦めがあると思う
レトロスペクティブ・スクエルチングとプロアクティブ・スコアリングは、2つの基本的な考え方に集約されます
悪い行為者のシグナル（似たハンドル名のウォレット、寄付パターンなど）を見つけ、良い行為者のシグナル（パスポートスタンプ、偽造の高いコスト、人称スコアなど）を見つけることです
ちなみに前者はretroactive Sybil defensesのこと、これは悪い行為者のシグナルを探す
まぁ。既存データ活用できるのはそうだと同意
we can be optimistic about sybil-defence because “Capitalizing on existing data” makes me easier to backtesinghttps://t.co/h6OErna95h その後は、「そのデータを確保するのにはどんなものがいいのか」みたいな議論
Jupyter Notebooksは、オフチェーンデータを利用するユーザー向けアプリケーションを提供するための優れた選択肢です。これは、ブラウザ上のランタイム環境にある（通常は）Pythonコードを含む共有可能な実行可能ノートブックで、モデルコードと分析を共有するための非常にアクセスしやすい方法です。ノートブックはアナリストのコミュニティによって書かれ、共有されるため、プログラムによって簡単にギトコインデータにアクセスすることができます。ノートブックは修正され、異なるグループ間のコードレゴとして使用することができます。また、Jupyter Notebooksはクラウドでの運用に適しており、大規模なコンピューティング・リソースへのアクセスが比較的容易になります。これは、SADモデルで使用されているような、バッチ処理や大規模な計算資源を必要とする機械学習やAIパイプラインにとって重要なことです。 データを利用可能にすることは素晴らしいことですが、そのデータから価値を抽出するためのツールもコンポーザブルになれば、コミュニティは本当にレベルアップするでしょう。オンチェーンデータの場合、データ探索のための基本的なツールはインクライアントトレーサーとネットワーク分析ツールですが、これらを効果的に使うには専門的な技術ノウハウが必要で、計算コストが高くつくことがあります。