[论文解读] Sybil-proof Mechanisms in Query Incentive Networks

Wei Chen, Yajun Wang+2 more|arXiv (Cornell University)|Apr 28, 2013

Distributed systems and fault tolerance被引用 5

一句话总结

本文提出了直接推荐（DR）机制用于查询激励网络，该机制具备抗Sybil攻击特性，并在任意分支因子 b > 1 的情况下，实现将查询传播至 h 层的期望成本为 O(h²)。该机制仅奖励答案持有者及其直接上级，确保策略性代理无法通过创建虚假身份获利，同时在成功概率趋近于 1−ζ 时仍能保持较低的期望成本。

ABSTRACT

In this paper, we study incentive mechanisms for retrieving information from networked agents. Following the model in [Kleinberg and Raghavan 2005], the agents are represented as nodes in an infinite tree, which is generated by a random branching process. A query is issued by the root, and each node possesses an answer with an independent probability $p=1/n$. Further, each node in the tree acts strategically to maximize its own payoff. In order to encourage the agents to participate in the information acquisition process, an incentive mechanism is needed to reward agents who provide the information as well as agents who help to facilitate such acquisition. We focus on designing efficient sybil-proof incentive mechanisms, i.e., which are robust to fake identity attacks. %We consider incentive mechanisms which are sybil-proof, i.e., robust to fake identity attacks. We propose a family of mechanisms, called the direct referral (DR) mechanisms, which allocate most reward to the information holder as well as its direct parent (or direct referral). We show that, when designed properly, the direct referral mechanism is sybil-proof and efficient. In particular, we show that we may achieve an expected cost of $O(h^2)$ for propagating the query down $h$ levels for any branching factor $b>1$. This result exponentially improves on previous work when requiring to find an answer with high probability. When the underlying network is a deterministic chain, our mechanism is optimal under some mild assumptions. In addition, due to its simple reward structure, the DR mechanism might have good chance to be adopted in practice.

研究动机与目标

• 设计兼具抗Sybil攻击特性与高效性的激励机制，以适用于查询激励网络。
• 解决先前机制在高成功概率或低分支因子下失效的局限性。
• 确保代理无动机创建虚假身份（即Sybil攻击），同时最小化期望成本。
• 即使答案找到概率趋近于 1−ζ（其中 ζ 为分支过程的灭绝概率），也能实现较低的期望成本。
• 提出一种具有简单奖励结构的机制，适用于现实世界部署。

提出的方法

• 提出一类仅向答案持有者及其直接上级（推荐者）分配奖励的直接推荐（DR）机制家族。
• 通过递归结构设计奖励分配机制，其中推荐费由序列 λ_i 和路径长度惩罚决定。
• 利用带有随机边激活的分支过程模型模拟网络传播，其中每个节点根据期望收益决定是否转发查询或返回答案。
• 通过证明在DR机制下，任何代理通过创建虚假身份均无法提高其期望收益，从而建立抗Sybil攻击性。
• 应用动态规划与数学归纳法，对总期望奖励进行有界分析，证明其对任意 b > 1 均呈 O(h²) 的增长趋势。
• 在满足弱假设的前提下，利用奖励序列 λ_i 的结构特性与路径长度惩罚函数的性质，证明DR机制在确定性链上的最优性。

实验结果

研究问题

• RQ1 是否存在一种查询激励机制，既能抗Sybil攻击，又在任意分支因子 b > 1 下保持高效？
• RQ2 当成功概率趋近于 1−ζ 时，DR机制是否优于现有的固定支付与拆分合同机制？
• RQ3 在确定性链上，DR机制是否为所有抗Sybil攻击机制中的最优解？
• RQ4 仅奖励答案持有者及其直接上级的简单奖励结构，能否实现较低的期望成本？
• RQ5 对于任意 h 和 b > 1，DR机制的渐近期望成本是多少？

主要发现

• DR机制对任意分支因子 b > 1 均实现 O(h²) 的期望成本，相较于以往机制在 b < 2 或成功概率较高时产生指数级成本的缺陷，实现了显著改进。
• 该机制具备抗Sybil攻击特性：任何代理均无法通过创建虚假身份来提高其期望收益，即使在成功概率趋近于 1−ζ 时亦然。
• 在确定性链上，DR机制是在满足弱假设的所有抗Sybil攻击机制中为最优解，其期望成本为 O(nh²)，其中 n 为答案稀有度。
• 推荐代理的总期望奖励被有界为 O(h²)，该结论通过奖励序列 λ_i 与路径长度惩罚的递归边界推导得出。
• 答案持有者的总期望奖励同样为 O(h²)，这是通过对 λ_i 序列的增长速率进行细致分析及求和边界估计实现的。
• 该机制在先前机制失效的场景下仍保持高效，例如当 b < 2 或答案稀有度 n 较大时。