[论文解读] A Puff of Steem: Security Analysis of Decentralized Content Curation

Aggelos Kiayias, Benjamin Livshits+2 more|arXiv (Cornell University)|Oct 3, 2018

Digital Rights Management and Security参考文献 23被引用 13

一句话总结

本文提出了一种用于区块链平台（如Steemit）中去中心化内容策展的正式模型，分析了其在诚实投票下的收敛性以及对策略性行为的脆弱性。研究证明，Steemit 当前的参数设置无法保证超过 70 篇文章的列表实现正确排序，并表明自私投票策略可显著提升特定帖子的排名，从而破坏系统完整性。

ABSTRACT

Decentralized content curation is the process through which uploaded posts are ranked and filtered based exclusively on users' feedback. Platforms such as the blockchain-based Steemit employ this type of curation while providing monetary incentives to promote the visibility of high quality posts according to the perception of the participants. Despite the wide adoption of the platform very little is known regarding its performance and resilience characteristics. In this work, we provide a formal model for decentralized content curation that identifies salient complexity and game-theoretic measures of performance and resilience to selfish participants. Armed with our model, we provide a first analysis of Steemit identifying the conditions under which the system can be expected to correctly converge to curation while we demonstrate its susceptibility to selfish participant behaviour. We validate our theoretical results with system simulations in various scenarios.

研究动机与目标

• 将去中心化内容策展形式化为一个计算问题，结合博弈论与复杂性度量。
• 分析 Steemit 的策展机制在诚实参与者行为下的收敛性。
• 识别系统未能根据客观质量对帖子进行排序的条件。
• 评估自私投票策略对帖子排名结果的影响。

提出的方法

• 提出一种投票系统模型，其中每个参与者的票权取决于其代币持有量与投票能力。
• 引入 t-收敛度量，用于衡量在诚实投票下，前 t 个帖子按客观质量排序的准确程度。
• 通过在 [0,1] 范围内设定主观喜爱度值与有限注意力跨度，对玩家行为进行建模，以模拟现实世界中的投票动态。
• 使用等级相关系数（Kendall’s Tau 与 Spearman’s Rho）验证收敛度量的有效性。
• 采用形式化证明表明，在特定参数设置下，系统无法收敛至理想排序。
• 通过模拟多种场景，验证理论发现中关于收敛性与策略性行为的结果。

实验结果

研究问题

• RQ1 在何种条件下，Steemit 的策展算法在诚实投票下能收敛至正确排序？
• RQ2 在当前参数设置下，当策展列表超过 70 篇帖子时，系统性能如何？
• RQ3 自私参与者是否可通过偏离诚实投票行为获得优势？
• RQ4 Kendall’s Tau 与 Spearman’s Rho 等基于相关性的度量与所提出的 t-收敛度量在多大程度上一致？
• RQ5 Steemit 投票机制中存在哪些结构性限制，使其容易被操纵？

主要发现

• 对于超过 70 篇帖子的策展列表，Steemit 的算法可能无法实现甚至 1-收敛，表明其当前参数设置存在根本性缺陷。
• 该系统易受自私投票策略的影响，参与者可通过操纵投票时机与目标对象，显著提升特定帖子的排名。
• 形式化证明表明，在某些条件下，即使所有参与者均诚实投票，最高质量的帖子也无法获得最高排名。
• 分析揭示，尽管投票权机制旨在抵御 Sybil 攻击，但当与策略性时机选择和注意力约束相结合时，仍可能被利用。
• 模拟结果证实，Kendall’s Tau 与 Spearman’s Rho 等基于相关性的度量与 t-收敛度量具有高度相关性，验证了其作为性能度量的有效性。
• 在 N 较小（如 N=2）的边界情况及特定参数范围内，收敛失败并非仅限于大型系统，甚至在最小配置中也会发生。