오늘의 글은 Nosh Delivery 의 창립자이자 CEO인 Mike Perhats 와 Nosh Delivery의 고문이자 버지니아 대학의 컴퓨터 과학 조교수인 Matheus Venturyne Xavier Ferreira 가 작성했습니다. Nosh는 EV3의 지원을 받아 음식 배달 산업을 담당하는 회사입니다.
이 게시물에서는 인터넷 역사상 가장 성공적인 알고리즘 중 하나인 PageRank에서 영감을 얻은 새로운 토큰 설계 전략을 제안합니다.
PageRank는 네트워크 내 노드의 중요성이나 영향력을 정량화하는 네트워크 이론의 기본 척도인 중심성에 초점을 맞춘 고유 벡터 기반 알고리즘 입니다. 고유벡터 기반 알고리즘은 네트워크 토폴로지에서 노드 위치의 품질과 영향을 포착하는 데 매우 적합하므로 복잡한 네트워크에서 토큰을 배포하는 훌륭한 방법입니다.
탈출 속도 도달을 읽어주셔서 감사합니다! 새로운 게시물을 받고 내 작업을 지원하려면 무료로 구독하세요.
일반적인 개념에 관심이 있다면 여기에서 Google의 "아이디어 단계"로 돌아가서 재미있는 시간 경과를 보여주는 원본 PageRank 논문을 찾을 수 있습니다.
PageRank 소개
기본적으로 PageRank는 모든 링크가 동일하게 생성되지는 않는다는 점을 인식하여 웹 탐색 방식에 혁명을 일으켰습니다. 영향력이 큰 페이지의 링크(Chainlink) 인터넷의 잘 알려지지 않은 페이지의 링크보다 더 큰 영향력을 갖습니다. 이러한 통찰력은 중요성에 대한 반복적인 평가로 이어져 지난 반세기 동안 아마도 최고의 비즈니스 모델의 엔진 역할을 하는 강력한 순위 시스템을 만들었습니다.
이와 동일한 원칙( 재귀적 영향 의 개념)은 복잡한 암호화 네트워크에서 최적의 토큰 배포를 설계하는 열쇠를 쥐고 있습니다. 중심성 순위를 토큰 할당의 기초로 사용함으로써 우리는 다음과 같은 동적, 자체 최적화 네트워크를 만듭니다.
네트워크 성장에 맞춰 자연스럽게 인센티브를 조정합니다.
조작 및 Sybil 공격에 저항합니다.
변화하는 시장 상황에 동적으로 적응
네트워크 효과를 강화하는 행동에 대해 암묵적으로 보상을 제공합니다.
기본 아이디어
모든 상용 네트워크는 생산자와 구매자 간의 경제적 관계를 포착하는 이분 그래프로 모델링할 수 있으며, 간선 가중치는 두 노드 간의 과거 거래를 나타냅니다. 네트워크를 그래프로 모델링함으로써 우리는 공개된 선호도와 참가자의 가격 결정력을 기반으로 토큰 인센티브를 동적으로 조정하는 경제 시스템을 설계할 수 있습니다.
토큰 보상은 각 노드에서 생성된 수익과 네트워크의 중심성을 모두 고려하는 수정된 고유 벡터 중심성 측정을 사용하여 결정될 수 있습니다. 이 기술은 경제적 영향과 다른 노드 간의 거래를 촉진하는 역할을 고려하여 네트워크의 현재 상태에 대한 개별 노드의 기여도를 정량화합니다. 네트워크는 그래프의 구조적 속성을 활용하여 다면 시장에서 거래하는 에이전트의 시간적, 경제적 특성을 기반으로 보상 분배를 최적화하는 토큰 할당 메커니즘을 구현할 수 있습니다.
그래프를 간단히 정의하면 𝐺=(𝑈,𝑉,𝐸)는 생산자𝑈와 구매자𝑉를 노드로 나타내고, 가중치가 부여된 가장자리𝐸를 사용하여 둘 사이의 트랜잭션을 캡처할 수 있습니다. 가장자리 가중치 𝑤(𝑢,𝑣)는 생산자와 구매자 𝑣의 𝑢 거래를 추적합니다.
빠른 기술 개요를 보려면 이 기본 고유 벡터 시뮬레이션을 살펴보세요.
단순한 인센티브를 넘어서
토큰 설계에 대한 전통적인 접근 방식은 거래량, 지역, 네트워크 내 사전 정의된 역할, 추천 이더리움 클래식(ETC) 따라 토큰을 할당할 수 있습니다. 이러한 방법은 특정 행동을 유도하지만 복잡하고 상호 연결된 네트워크 내에서 인센티브를 최대한 조정하는 데는 숏 합니다. 중심 기반 설계는 보다 미묘하고 정확하며 적응력이 뛰어난 접근 방식을 제공합니다 . 즉, 네트워크의 가치는 개인의 행동이 아니라 관계와 영향력의 웹이라는 점을 인식합니다.
네트워크 성숙도 및 얼리 어답터 보상
많은 DePIN 민트(Mint) 토큰은 단순한 지수 붕괴 모델을 기반으로 합니다. 채굴 블록 보상은 부트스트래핑 인센티브로 초기에 작업 단위당 많은 수의 토큰을 생성합니다. 시간이 지남에 따라 보상은 급격히 감소합니다.
이 설계는 공급 부트스트래핑에 성공했지만 오늘날의 DePIN에는 엄청난 수요 문제가 있어 서비스 불균형, 잠재적인 토큰 공급 문제, 궁극적으로 네트워크가 성숙해짐에 따라 수익 감소로 인한 공급 측 변동이 발생합니다. 네트워크를 그래프로 모델링함으로써 적응적이고 동적인 인센티브를 설계하여 네트워크 채택 수명주기 전반에 걸쳐 모든 사용자에 대한 전반적인 유틸리티를 극대화할 수 있습니다.
토큰 보상은 그래프 상태에 따라 적절하게 확장될 수 있으며 소비자 요구에 따라 재귀적으로 재조정될 수 있어 트레져리 나 공급업체의 미래 수익 잠재력에 과도한 피해를 주지 않고 네트워크를 성공적으로 부트스트랩하는 시스템을 구축할 수 있습니다. EC는 미성숙 시장의 연결성을 최적화함으로써 증가하는 공급과 수요 사이의 건전한 균형을 유지합니다.
Sybil 저항, 검증 가능성 및 보안
네트워크가 성숙해짐에 따라 연결성 제조가 점점 더 어려워지고 비용이 많이 들기 때문에 고유 벡터 중심성이 효과적인 시빌 저항 메커니즘이 됩니다.
거래의 적법성을 검증하기 위한 강력한 서비스 증명이 없으면 네트워크는 자기 거래 및 담합 위험을 포함한 다양한 게임 이론적 문제에 취약해집니다.
제1사분면: 만들기 쉬움(약한 보증) 및 저렴한 단순 무작위 핀 교환: 사용자와 운전자는 서비스 완료를 확인하거나 상호 증명하기 위해 간단한 PIN을 교환합니다.
제2사분면: 만들기 쉬움(약한 보증) 및 비용이 많이 듭니다. 기본 위치 공유: GPS를 통해 사용자 위치를 공유합니다. 이는 조작이 쉽지만 구현이 간단합니다.
사분면 III: 생성하기 어려움(강력한 보장) 및 저렴한 온체인 평판 기반 시스템: 개발하는 데 오랜 시간이 걸리지만 대규모로 저렴하고 견고할 수 있습니다.
사분면 IV: 생성하기 어렵고(강력한 보증) 값비싼 고급 위치 증명: 셀 타워 또는 신뢰할 수 있는 하드웨어를 갖춘 ZkTLS. 계산 비용이 많이 들거나 하드웨어가 필요합니다.
다양한 네트워크로 일반화
암시적 추천 메커니즘으로서의 중심성
중심성 순위는 추천 보상이나 마케팅 인센티브와 같은 부정확한 메커니즘을 통해 다른 네트워크가 달성하려고 하는 것을 암시적으로 포착합니다. 예를 들어 Braintrust의 커넥터 프로그램 .
그래프에서 '추천'은 개념으로 자리잡지 않습니다. 그것은 단지 개인적인 보상을 극대화하기 위한 최적의 전략일 뿐입니다. 따라서 사용자는 최적의 전략이 다음과 같은 복잡한 다중 에이전트 최적화 프로세스에 무의식적으로 참여하고 있습니다.
최대한 많은 수익을 기부하세요.
이웃을 모집하여 최대한 많은 수익을 창출하세요
연결성을 통해 우리는 네트워크에 있는 개별 에이전트의 인센티브를 네트워크의 목적 기능의 인센티브와 일치시킬 수 있습니다. 실제로 이는 수학적으로 보다 정확한 추천 메커니즘을 제공합니다. 셀 수 없이 많은 사리사욕이 담긴 행동이 모여 네트워크 가치를 극대화하는 경향이 있는 행동을 유도합니다.
위험은 무엇입니까?
계산 복잡성
이 문제를 해결하기 위해 우리는 이와 같은 다양한 최적화 기술을 탐구하고 있습니다. 우리는 또한 네트워크를 더 작고 관리하기 쉬운 하위 그래프로 분할하는 다양한 샤딩 기술을 탐색하고 있습니다. 컴퓨팅 작업 부하를 이러한 샤드로 나누면 네트워크에서 중심성 계산을 보다 효율적으로 처리할 수 있어 트랜잭션 처리 속도가 빨라지고 확장성이 향상됩니다. 다행스럽게도 web2 환경에서 PageRank의 중요성을 고려할 때 PageRank에 관한 문헌에는 엄청난 양의 연구가 있습니다.
마무리
고유벡터 기반 암호화 네트워크는 광범위한 상용 네트워크를 지원하도록 조정할 수 있는 일반화 가능한 고유한 속성 세트를 제공합니다. 우리는 이 전략이 예측할 수 없는 경제적 행동의 미묘한 차이를 포착하고 검증 가능한 서비스 증명이 없거나 서비스 증명이 약한 새로운 암호화 네트워크를 잠금 해제할 수 있다고 생각합니다.
이 기사에서 논의된 일련의 기술은 검증 가능성의 스펙트럼 에 걸쳐 이러한 제한을 극복할 수 있는 풍부한 새로운 기본 요소 세트를 제공하여 엄청난 수의 새로운 사용 사례를 열고 차세대 인터넷의 대량 채택을 촉진하는 데 도움이 될 수 있습니다.
앞으로 몇 가지 위험과 심각한 연구 문제가 있지만 우리는 이 제안이 DePIN 및 기타 애플리케이션을 위한 풍부하고 새로운 디자인 공간을 열어줄 것이라고 생각합니다. 우리의 발전에 대한 최신 소식을 받고 싶다면 Farcaster에서 Nosh의 창립자이자 CEO인 Mike Perhats를 팔로우하세요 .
이 연구는 CryptoEconLab 친구들의 지원을 받아 Matheus Venturyne Xavier Ferreira 의 작업에서 시작되었습니다.
전체 게시물은 Nosh의 블로그 에 게시되어 있습니다.
탈출 속도 도달을 읽어주셔서 감사합니다! 새로운 게시물을 받고 내 작업을 지원하려면 무료로 구독하세요.
