受 PageRank 启发的代币设计策略

07-09

本文为机器翻译

展示原文

今天的文章由Nosh Delivery创始人兼首席执行官Mike Perhats和 Nosh Delivery 顾问兼弗吉尼亚大学计算机科学助理教授Matheus Venturyne Xavier Ferreira撰写。Nosh 是一家由 EV3 支持的公司，致力于进军食品配送行业。

在这篇文章中，我提出了一种新颖的令牌设计策略，该策略从互联网历史上最成功的算法之一 PageRank 中汲取灵感。

PageRank 是一种基于特征向量的算法，侧重于中心性，这是网络理论中的一个基本度量，用于量化网络中节点的重要性或影响力。基于特征向量的算法非常适合捕捉节点在网络拓扑中的位置的质量和影响，因此是一种在复杂网络中分发令牌的好方法。

感谢阅读《达到逃逸速度》！免费订阅以接收新帖子并支持我的工作。

如果您对一般概念感兴趣，您可以在这里找到原始的 PageRank 论文，这是一个有趣的时间流逝，回到“创意阶段”的 Google。

PageRank 简介

从本质上讲，PageRank 彻底改变了我们浏览网络的方式，因为它认识到并非所有链接都是平等的。来自具有高度影响力的页面的链接比来自互联网上不起眼角落的链接更有分量。这一见解导致了对重要性的递归评估，从而创建了一个强大的排名系统，该系统可能是过去半个世纪以来最好的商业模式的引擎。

同样的原则——递归影响的概念——是设计复杂加密网络中最佳代币分布的关键。通过使用中心性等级作为代币分配的基础，我们创建了一个动态的、自我优化的网络，它：

自然地将激励措施与网络增长结合起来
抵御操纵和女巫攻击
动态适应不断变化的市场条件
隐性奖励增强网络效应的行为

基本思想

任何商业网络都可以建模为二分图，该图捕捉生产者和购买者之间的经济关系，边权重表示两个节点之间的历史交易。通过将网络建模为图形，我们可以设计一个经济系统，根据参与者的偏好和定价能力动态调整代币激励。

代币奖励可以使用经过修改的特征向量中心性度量来确定，该度量既考虑了每个节点产生的收入，也考虑了其在网络中的中心性。该技术量化了单个节点对网络当前状态的贡献，同时考虑了其经济影响及其在促进其他节点之间的交易方面的作用。网络可以利用图的结构属性来实现代币分配机制，该机制根据多边市场中交易代理的时间和经济特征来优化奖励的分配。

该图的简单定义可以是 𝐺=(𝑈,𝑉,𝐸)，将生产者 𝑈 和购买者 𝑉 表示为节点，加权边 𝐸 捕获它们之间的交易。边权重 𝑤(𝑢,𝑣) 跟踪生产者 𝑢 与购买者 𝑣 之间的交易。

该单一模型包含以下属性：

为了快速了解技术概况，您可以探索这个基本的特征向量模拟。

超越简单的激励

传统的代币设计方法可能会根据交易量、地理位置、网络中预定义的角色、推荐ETC来分配代币。虽然这些方法确实会推动某些行为，但它们无法最大限度地协调复杂、互联网络中的激励机制。基于中心性的设计可以解锁一种更细致入微、更精确、更具适应性的方法——认识到网络中的价值不是关于个人行为，而是关于关系和影响的网络。

网络成熟度和早期采用者奖励

许多 DePIN 根据简单的指数衰减模型铸造代币。挖掘区块奖励在早期每单位工作量产生大量代币，作为引导激励。随着时间的推移，奖励迅速减少。

这种设计在引导供应方面取得了成功，但如今的 DePIN 存在巨大的需求问题，导致服务不平衡、潜在的代币供应问题，并最终导致供应方流失，因为随着网络成熟，收益会递减。通过将网络建模为图表，我们可以设计自适应且动态的激励措施，从而最大限度地提高整个网络采用生命周期内所有用户的整体效用。

代币奖励可以根据图表的状态优雅地扩展，并可以根据消费者需求递归地重新平衡，从而创建一个成功引导网络的系统，而不会对供应商的资金或未来盈利潜力造成过度损害。通过优化不成熟市场的连接性，EC 在不断增长的供应和需求之间保持了健康的平衡。

抗 Sybil 攻击、可验证性和安全性

随着网络的成熟，连接变得越来越困难且成本越来越高，使得特征向量中心性成为一种有效的抵抗女巫攻击的机制。

生产者若想提高影响力，就必须与真正的买家进行真正的交易，而买家也必须与其他生产者互动。如果 PageRank 将中心性视为递归影响力的衡量标准，那么我们可以将其视为递归信任的衡量标准。

岛屿效应

当恶意行为者试图创建虚假交易时，他们会在网络中形成孤立的集群或“孤岛”。 “孤岛”与网络其余部分的连接有限，而且创建成本高昂。合法用户不太可能与它们互动。因此，恶意节点的 EC 分数较低，因为它们缺乏与网络其余部分的强大、有机连接。这种孤岛效应使攻击者难以人为地夸大其影响力或奖励，因为 EC 本质上青睐具有高质量、真实连接的节点。

传播信任

由于缺乏强有力的服务证明来验证交易的合法性，网络很容易受到各种博弈论挑战的影响，包括自我交易和共谋风险。

可验证性的范围

在点对点餐厅食品配送网络中，两种主要支持的交易类型（自取和配送）的可验证性水平各不相同。这种可验证性范围为大规模采用分散式物理基础设施服务带来了重大障碍。典型的解决方法要么需要受信任的第三方，要么需要昂贵的服务证明，要么需要严格的权限/注册才能参与。这些限制都限制了在全球范围内构建真正强大、可持续和分散式网络的设计空间。我们可以设想一个框架，其中所有项目都属于这种证明可用性范围的某个范围。

象限 I：易于创建（弱保证）且廉价简单的随机 PIN 交换：用户和驾驶员交换简单的 PIN 来验证或相互证明服务完成。

象限二：易于创建（弱保障）且昂贵的基本位置共享：通过 GPS 共享用户的位置，易于操纵但实现简单。

象限三：难以创建（强保障）且廉价的基于链上声誉的系统：需要很长时间来开发，但可以大规模且廉价且稳健。

象限 IV：难以创建（强保证）且成本高昂高级位置证明：带有蜂窝塔或可信硬件的 ZkTLS。要么计算成本高昂，要么需要硬件。

试图推动采用的网络在依赖属于第四象限（难以创建且成本高昂）的验证方法时，通常会面临挑战。这些方法虽然稳健，但由于其复杂性和成本，可能会阻碍增长。相反，使用第一象限（易于创建且成本低廉）的方法可能会增加对诸如自私自利和串通等攻击的脆弱性。

特征向量中心性 (EC) 排名可以通过图表传播信任假设来帮助缓解每个网络中的问题。在服务证明较弱或昂贵的网络中，EC 排名变得特别有价值。基本假设是，随着勾结节点数量的增加，勾结变得越来越困难。对于引导信任的网络，EC 排名可以通过服务证明和身份采样的组合来帮助为节点建立信任向量。随着网络的发展和信任的建立，对昂贵服务证明的依赖可以随着时间的推移逐渐减少，并随着衰减因素的增加而减少。

通过利用 EC 排名，网络可以根据需要在安全性和成本之间取得平衡。随着信任在网络中传播，对昂贵而复杂的验证方法的需求会减少，从而使网络能够更有效地扩展而不会损害安全性。

抽样信任

为了确保图表不会在新节点加入时失去其安全性保证，网络可以在没有证明的情况下随机抽样以获取服务证明或服务近似值。如果某个节点未能提供其证明，网络可以削减边缘权重（图表中质押的代币）及其相邻节点的权重。这种局部惩罚系统鼓励自我监督，并强调与真实用户保持真实联系的重要性。

通过创建能够适应不同 DePIN 项目特定要求和约束的验证系统，网络设计人员可以扩大可以去中心化的服务范围。这种方法承认了可验证性的范围，并为可能无法获得硬性或经济高效的服务证明的网络提供了前进的道路。

制造连接困难

要获得较高的 EC 分数，不仅需要大量的连接，还需要与其他连接良好的节点建立连接。这一特性使得恶意行为者很难制造出较高的连接排名，因为他们需要与网络中信誉良好的中心节点建立联系。合法、连接性强的节点更有可能仔细检查并避开可疑或低质量的节点。因此，攻击者在操纵 EC 分数时面临重大障碍。

随着网络的扩大，操纵 EC 分数所需的计算成本和工作量也会增加。攻击者需要建立越来越多的连接才能跟上网络的有机增长，这使得维持重大影响力以获得丰厚回报变得不切实际且耗费资源 - 这使得整个网络随着时间的推移越来越难以抵御攻击。

推广至各种网络

可调整费用使市场能够在各种商业环境中自行优化代币分配。网络中的节点可以进行微调以动态调整激励措施，从而消除了网络设计者对不同经济环境中参与者不可预测的行为做出天真的假设的需要。

最佳代币分配是根据不同子网络中生产者的定价能力“发现”的。这种自适应机制确保代币的分配方式能够反映所提供服务的真实价值，从而促进竞争和平衡的网络，随着网络的成熟，该网络将达到舒适的平衡。在具有独特、高需求生产者的市场中，给定交易的大部分奖励可能会归生产者所有。相反，在生产者销售具有许多替代品的商品的市场中，奖励将分配给买方（生产者将使用奖励作为营销资本）。

在图表中，“推荐”并不是一个概念，而只是最大化个人回报的最佳策略。因此，用户在不知不觉中参与了一个复杂的多智能体优化过程，其中最佳策略是：

贡献尽可能多的收入
招募你的邻居贡献尽可能多的收入

连接性使我们能够将网络中各个代理的激励与网络目标函数的激励相一致。实际上，这会产生一个数学上更精确的推荐机制。无数自利行为的聚合行为会推动趋向于最大化网络价值的行为。

有哪些风险？

集中化的潜力

如果分配机制过于偏向于高度连接的节点，则可能导致代币不成比例地聚集在少数有影响力的参与者手中。这种权力集中化可能使系统容易受到这些实体的操纵。为了降低这种风险，必须仔细设计网络的货币政策，并考虑到潜在的权衡。

解决此问题的一种方法是实施通胀货币政策。通过随着时间的推移逐渐增加代币供应量，可以稀释当今强大节点的相对影响力。这使新进入者能够更有效地竞争，并有助于防止主导者固守阵地。然而，重要的是要取得平衡，因为过度的通货膨胀也会使代币持有贬值并打消参与的积极性。

计算复杂性

计算特征向量中心性涉及对大矩阵进行对角化，随着网络的增长和交易量的增加，计算量会越来越大。处理这些计算所需的计算资源可能会给网络容量带来压力，从而可能导致交易时间变慢和效率降低。

为了应对这一挑战，我们正在探索各种优化技术，比如这个。我们还在探索各种分片技术，包括将网络划分为更小、更易于管理的子图。通过在这些分片上划分计算工作量，网络可以更有效地处理中心性计算，从而实现更快的交易处理和更高的可扩展性。幸运的是，鉴于 PageRank 在 web2 环境中的重要性，文献中有大量关于 PageRank 的研究。

包起来

基于特征向量的加密网络提供了一组独特的可通用属性，可以进行调整以支持各种商业网络。我们认为，这一策略抓住了不可预测的经济行为的细微差别，并可以解锁一大批没有可验证服务证明或服务证明较弱的新加密网络。

本文讨论的一组技术提供了一组丰富的新原语，可以克服可验证范围内的这些限制，从而有助于解锁大量新用例并催化下一代互联网的大规模采用。

尽管未来还存在一些风险和严重的研究问题，但我们认为这项提案为 DePIN 和其他应用开辟了丰富的新设计空间。如果您想了解我们的最新进展，请在 Farcaster 上关注 Nosh 创始人兼首席执行官 Mike Perhats 。

这项研究源自Matheus Venturyne Xavier Ferreira的工作，并得到了CryptoEconLab的朋友的支持。

完整文章发布在 Nosh 的博客上。