paint-brush
引入内在诚信驱动的评级模型以实现可持续的声誉 系统经过@cognizance
393 讀數
393 讀數

引入内在诚信驱动的评级模型以实现可持续的声誉 系统

经过 Cognizance8m2024/01/01
Read on Terminal Reader

太長; 讀書

本文介绍了一种新颖的、由区块链驱动的 P2P 市场信誉系统,利用经济激励来保证代理诚信。蒙特卡洛模拟验证了其可持续性,为各种应用提供了潜在的通用预言机。
featured image - 引入内在诚信驱动的评级模型以实现可持续的声誉
系统
Cognizance HackerNoon profile picture

本文可在 arxiv 上根据 CC BY-NC-SA 4.0 DEED 许可证获取

作者:

(1) H. Wen,巴斯大学经济系;

(2) T. Huang,罗汉普顿大学商业与法律学院;

(3) 肖德,数学科学学院。

链接表

摘要与引言

相关区块链技术

基本型号

适用于现实场景的高级模型

蒙特卡罗模拟

结论

未来的调查和参考

抽象的

在数字市场时代,消费者面临的挑战是在信息不对称的情况下辨别质量。虽然传统市场使用品牌机制来解决这个问题,但将此类系统转移到基于互联网的 P2P 市场(其中虚假评级等误导性做法猖獗)仍然具有挑战性。当前的互联网平台努力通过验证算法来应对这一问题,但这些努力发现自己陷入了与假冒行为的持续拉锯战中。


本文利用区块链技术的透明性、不可篡改性和可追溯性,介绍了一种基于该技术的强大的声誉投票系统。与现有的基于区块链的声誉系统不同,我们的模型利用本质上的经济激励方法来增强代理的完整性。我们优化该模型以反映现实世界的用户行为,保持声誉系统的基本可持续性。通过蒙特卡罗模拟,使用创新逆变换方法实现的均匀分布和幂律分布,我们遍历了广泛的参数景观,复制了现实世界的复杂性。研究结果强调了可持续、透明和强大的声誉机制的前景。鉴于其结构,我们的框架有可能充当链下链上桥接的通用、可持续的预言机,帮助实体永久培养声誉。未来与环签名和零知识证明等技术的集成可以扩大系统的隐私方面,使其在不断发展的数字领域特别有影响力。


关键词:区块链、声誉系统、可持续预言机、代理、信用点、诚信驱动评级、激励机制、蒙特卡罗模拟

一、简介

信息不对称[1]给试图选择最适合其需求的产品或服务的消费者带来了挑战。在传统零售市场中,消费者基于个人经历、他人经历或广告而倾向于他们信任的品牌[2]。每个品牌都体现了一定的价值,可以在公开市场上货币化。提供达不到目标消费者期望的产品或服务可能会削弱该品牌价值。这些品牌机制[3]有利于零售业乃至更广泛的传统市场领域的消费者和生产者[4]。


随着在线产品和服务提供的便利性和多样性的增加,它们正在成为许多消费者的首选。该领域的一个显着趋势是第三方 P2P 产品在互联网平台上的兴起 [5]。这个快速增长的行业包括广泛的服务。亚马逊、eBay、淘宝、Anyvan、ClickMechanic 和 Mybuilder 等现代互联网平台已经改变了第三方服务提供商与消费者互动的方式。从本质上讲,这些平台使供应商能够展示他们的产品或服务,让客户轻松浏览、比较和购买。


这些操作的核心是客户评论的作用。大量的正面评价可以显着提高供应商的吸引力,影响其他潜在客户的购买决策。相反,负面评论可能会阻碍未来的销售。然而,这种重大影响为操纵策略铺平了道路。与传统市场相比,虚假评分和点击刷单等欺骗行为在网上的盛行率明显更高 [6,7,8]。例如,一些供应商可能会从事“评论农业”,他们要么购买产品以留下正面评论,要么雇用个人为他们撰写误导性的好评。不利的一面是,可能存在供应商为竞争对手留下恶意负面评论以损害其声誉的情况。


因此,建立可靠的品牌机制面临着巨大的挑战。在这种情况下,验证真实的消费者行为并制定有效的声誉机制变得至关重要。虽然在线平台有能力利用算法从欺骗行为中过滤出正品,从而使第三方生产者能够建立合法的声誉,但这种方法的有效性仍然值得怀疑。一些第三方生产商的欺骗行为与平台验证算法引入的对策之间存在持续的紧张关系。这种动态本质上形成了一场周期性的战斗。目前的解决方案可能需要权衡,可能会损害用户隐私或其他所需的属性 [9]。虽然机器学习提供了一个有前途的途径[10],但其实现需要一个具有可靠的真实用户数据的初始训练阶段,或者在真正有效之前需要一个相当长的开发期。


区块链技术的出现,由中本聪 (Satoshi Nakamoto) 首创 [11],并得到尼克·萨博 (Nick Szabo) 的智能合约概念 [12] 的增强——Vitalik Buterin 在 2014 年通过以太坊实现了这一成果 [13]——为创新铺平了道路。连锁声誉系统。[1]预言机在弥合现实世界和区块链技术之间的差距方面发挥着关键作用,因为它们提供了链上智能合约访问和利用链下数据的关键环节。鉴于区块链本身无法访问其网络之外的信息,因此该功能是必不可少的。 2017年,Chainlink引入了预言机机制[14],显着增强了去中心化系统的能力。其著名的价格反馈用例为去中心化金融的蓬勃发展奠定了基础 [15, 16]。本质上,预言机充当第三方中介,将外部数据转发给智能合约。 Chainlink 的去中心化预言机网络可确保中继到区块链的数据的真实性和完整性。这是通过从大量独立的预言机获取数据并整合它们的响应、减轻与单一数据点相关的风险以及增强依赖于外部数据的智能合约的可靠性和安全性来实现的。


然而,这些预言机的运作主要依赖于激励机制,最显着的是归属激励——例如,原生资产“Link”从非流通过渡到流通。在一段时间内,这些激励措施可能会稀释所有参与者的价值。随着这些奖励池接近耗尽,对该系统持久生存能力的担忧开始显现。 Chainlink 2.0 [17] 等连续的增强功能以及其他当代解决方案都在努力克服这一挑战。尽管如此,它们的有效性仍然是一个持续讨论的话题。虽然这些完善的模型和策略显示出潜力,但它们保持长期且坚定不移的有效性的能力仍在检验中[18]。因此,打造真正可持续的预言机基础设施对于加强现实世界和区块链技术之间的联系至关重要。


最近的研究阐明了区块链技术的各个方面,特别是基于区块链的声誉系统 [19, 20]。虽然这些努力值得称赞,但其中一些似乎更具理论性,并且在满足所有动态代理[2]交互时可能会遇到挑战。其他人则选择集中选择可信节点,这可能会引入与单点故障相关的漏洞[21,22,23,24]。旨在模拟现实世界设置的机制有时依赖于复杂的流程来识别代理类型并监控其链上活动。这些过程有时会掩盖已证明自发效力的更直接的激励机制[25]。一些提议的经济激励结构似乎依赖于增加区块链资产“数量”,这可能会随着时间的推移而被稀释[26],而不是提供具体的优势。随着机制设计变得越来越复杂,它们可能会无意中提高干预成本或引入不可预测性。受到著名的“蝴蝶效应”[28]的启发,严重依赖类似于混沌理论[27]提出的不确定性,可能会陷入微妙的境地。


虽然似乎有一些有前途的解决方案,例如“Truth”[29]——一种区块链辅助的声誉系统,旨在消除信任电子商务平台的需要并确保反馈的真实性和匿名性——但该系统并非没有潜在的缺点。 “Truth”引入了一种混合模式,其中中心化电子商务平台仍然负责传统的交易服务,但区块链监督反馈的验证。尽管“真相”提出了一种创新方法来解决验证电子商务反馈这一古老问题,但某些方面仍需要更深入的审查。例如,该论文没有充分阐述促使消费者参与反馈过程的动机。了解这些激励措施对于确保广泛采用和真诚反馈至关重要。此外,该系统似乎忽视了卖家潜在的恶意行为,例如发布针对竞争对手的负面反馈或雇用虚构的消费者来产生正面评价。虽然交易可以通过规定的渠道进行,但有可能通过替代方法补偿这些“雇佣”消费者,从而规避系统的保障措施。为了让“真相”充分发挥其潜力并在现实世界中展示其有效性,这些问题需要在未来的版本或研究中得到解决


考虑到这些挑战,探索一种更精简的基本模型是有价值的,该模型本质上可以激励代理行为的完整性并促进可持续性[30,31,32,33,34]。该模型的初步评估可以在广泛的参数域中采用蒙特卡罗模拟,捕捉现实世界的复杂性。值得注意的是,这个基本模型不需要捕获现实世界场景的每个复杂细节。一个基本的信誉系统,即使它只提供单一的可信度评级,在无数的应用程序中也可能是无价的。当它提供的声誉信息准确且值得信赖时,这种价值就实现了,让用户可以依赖它,而不是转向其他难以过滤低成本虚假评级的平台,如前所述。


建立在明确定义的基本模型基础上可以进行迭代和增强。通过将修正组件集成到基本方程中,我们可以保留核心激励,同时将模型细化为永恒的声誉系统,以更准确地反映现实世界的场景。确保该模型相对于其他平台或区块链解决方案的竞争优势可以增强其弹性和可持续性。这一策略不仅强调了该模型的实用性,而且随着采用的增长,还利用了网络效应。我们系统的广泛集成强化了防止复制的商业壁垒,使潜在竞争对手越来越难以效仿我们独特的模式及其优势。


虽然永恒声誉系统的应用不断扩展到各个领域和人口统计数据,但该系统可以作为一个可持续的预言机网络,并具有经证明的可靠性。环签名[35,36,37,38,39]和零知识证明(ZKP)[40,41,42]的集成可以进一步增强此类预言机机制的隐私维度,特别是在隐私至关重要的情况下。环签名允许组成员进行数字签名,而无需透露特定签名者的身份。 ZKP 代表了一种先进的加密技术,使代理能够证实某些声明(例如他们的资产或状态),而无需透露具体细节。


本文的结构如下:第2节介绍相关的区块链技术。接下来,第 3 节介绍了基本模型,为理解促进代理人自我激励诚信的激励机制奠定了基础。然后,我们在第 4 节中完善了这个基本模型,以更接近地反映现实世界的场景,确保保留诚信驱动评级的激励措施。在建立了坚实的理论基础后,第 5 节使用蒙特卡罗模拟来验证我们的命题,然后对结果进行详细分析和讨论。我们的模拟结果总结在第 6 节中,我们强调我们的声誉系统作为通用可持续预言机有效发挥作用。最后,第 7 节提出了未来研究的潜在方向。



[1] 在我们的模型中,术语“声誉系统”通常用于表示我们提出的替代解决方案。但在实际应用场景中,也可以称为“平台”。这两个术语可以互换使用。


[2] 在我们的模型中,我们使用术语“代理”来表示系统中涉及的实体。相反,在现实应用场景中,我们将他们称为“用户”。在本文中,术语“代理”在模型的上下文中使用,而“用户”则在实际应用程序的上下文中使用。在许多情况下,这两个术语可以被认为是可以互换的。