此为历史版本和 IPFS 入口查阅区,回到作品页
OP 中文力量
IPFS 指纹 这是什么

作品指纹

Optimism Retro Funding 投票机制对恶意行为的抵抗能力

OP 中文力量
·

文章来源:www.jinse.cn/blockch...

作者:GovXS

翻译:ChainFeeds | chunzhen

自 2022 年以来,Optimism 已经进行了 4 轮完整的追溯性融资,发放了 6000 多万 OP。在过去的 4 轮「追溯性融资」中,Optimism 测试了多种不同的投票规则,而 GovXS 的研究旨在通过对 4 种投票规则的归纳与评估,以测试不同类型的投票方式对潜在攻击的抵御能力。

Optimism Retro PGF 四轮投票设计

Optimism 四轮「追溯性融资」投票方式一览:

  • Retro PGF1(R1 二次投票法):在 PGF1 中,Optimism 采用了二次投票制,允许投票人分配成本递增的代币进行多次投票;

  • Retro PGF2(R2 平均值规则):在 PGF2 中,Optimism 采用了平均值规则,通过对所有参与者的投票进行平均,来决定资金分配;

  • Retro PGF3(R3 规定人数中位数规则):在 PGF3 中,Optimism 引入了最低票数和代币门槛,并采用标准化中位数规则来减少异常票数的影响。只有获得最低票数和资金要求的项目才会被考虑。

  • Retro PGF4(R4 上限中位数规则):在 PGF4 中,Optimism 引入了「影响指标得分」,投票者优先考虑 KPI 而不是直接资金分配。项目被要求提供 KPI 值来证明他们的成就,然后根据投票人对 KPI 指标的偏好,使用标准化中位数确定影响指标得分,最终确定项目的资金分配,并对超额资金的分配和再分配设定上限。

五项针对恶意行为的评估指标

为评估「抵御恶意行为」的设计目标,GovXS 制定了五项关键指标。

指标 1:最大可提取值(Maximum Extractable Value)

恶意行为者能否提取 100% 的可用资金?在 Retro Funding 的背景下,GovXS 将恶意行为者(攻击者)定义为投票人,其唯一目标是将尽可能多的资金投入到他们喜欢的项目中,通过将 100% 的可用投票代币分配给该项目来使用他们的最大投票权,并向其他项目分配 0% 代币。

对于 R1 二次投票和 R2 平均投票,理论上恶意投票者有可能提取 100% 的资金,但前提是所有投票者的投票方式完全相同。

R3 中位数规则也允许最大可提取金额为 100%,但它只要求 50%的投票者投与攻击者相同的票,这使得中位数规则更容易被操纵。此外,规定人数要求开启了另一个潜在的攻击载体:即如果没有其他项目达到法定人数要求,那么所有资金都可以分配给一个项目。

R4 上限中位数规则的抵抗力最强,因为分配给单个项目的最大资金上限为本轮规模的 5%。这一限制大大降低了恶意行为者的风险。

指标 2:选民可提取价值(Voter Extractable Value)

考虑到恶意投票者通常会试图掩饰自己的行为,因此 GovXS 的模型假设恶意投票者将 90-99% 的代币分配给一个项目,其余代币平均分配给其他项目

结果表明,R1 二次投票对 VEV 的抵抗力最强。R2 平均值 VEV 更加收敛,而两个基于中位数的规则(R3 规定人数中位数和 R4 上限中位数)则显示出更大的差异和更高的最大可提取资金水平。

指标 3:稳健性

该指标考察不同的投票规则如何应对个人投票行为的变化,以及这些规则对投票中的轻微操纵有多敏感

结果显示,R2 平均值对投票变化最为敏感。相比之下,R3 中位数和 R4 上限中位数对变化的适应性更强。这表明,在 R3 和 R4 规则下,轻微的投票操纵不会对结果产生太大影响。

指标 4:贿赂成本

贿赂成本量化了攻击者为改变特定项目的资助结果所需的努力或花费

结果显示,R1 二次投票对贿赂的抵御能力最强。与其他投票规则相比,攻击者需要更多的投票才能实现相同的资金增长。值得注意的是,R4 上限中位数投票也表现出很强的抵制能力。这种设计对每个项目的最高资助额度设置了上限,从而使贿赂攻击变得更加困难。

指标 5:控制成本

控制成本用于衡量在投票过程中增加或删除投票人的影响。在 Optimism Retro Funding 的背景下,攻击者很难在一轮投票中「添加」投票人,因此重点考虑「删除」投票人的影响,即说服其他投票者弃权

结果显示,R1 二次投票和 R2 平均值是最难攻击的。R3 和 R4 的中位数规则更容易受到攻击。以真正的 R4 投票数据进行模拟,一个完全了解投票动态的攻击者可能只需说服 10 名选民弃权,就能使他们项目的资金增加 30%。

结论

对于四种投票方法抵御恶意行为能力的最终评估结果如下:

  • 二次投票(R1)对攻击的抵抗力最强。

  • 基于中位数的规则(R3、R4)对恶意行为的敏感度较高,但引入每个项目最大资金分配上限(R4)可显著提高其抵御能力。

  • 平均值规则(R2)对控制攻击有很强的抵御能力,然而,更容易受到投票操纵。

最后,GovXS 将该模型做成了一个追溯性融资模拟器,用于测试和评估公共物品融资中的不同投票机制。

支持社区

Join us

微信公众号:Optimism 中文

Twitter:x.com/Optimismzh

Notionwww.notion.so/lxdao/...

Telegramt.me/optimism_cn

Mirror: mirror.xyz/optimismc...

微信群:公众号后台回复【加群】


CC BY-NC-ND 4.0 授权