Anduin 框架提升 AI 代理市场中的 Sybil 抵抗能力
人工智能代理越来越多地参与自主交易,利用如 x402 的支付标准来获取和支付服务。然而,当前代理市场的声誉系统对 Sybil 攻击高度脆弱,攻击者通过伪造身份操控声誉分数。最近的一项研究介绍了 Anduin 框架,该框架利用支付图分析来增强信任并减轻这些脆弱性。
现有声誉系统的挑战
目前 AI 代理的声誉机制主要分为四个类别,每个类别都有显著的局限性:
- 策划市场和白名单:这些提供了强有力的保证,但由于时间密集的审查过程,覆盖面有限。
- 按交易评估:这些涉及第三方验证,但成本高昂,不适合几分之一美分的微支付。
- 自愿链上评级:数据稀缺是一个主要问题,记录的评级少于 4,000 个,涉及 66 百万 x402 次支付。
- 原始使用和交易量指标:这些可以通过自我导向支付轻易操控,攻击者每次交易成本低至 $0.017。
一项实证研究发现,将虚假提供商的声誉提升至市场中值仅需 $0.0027,约为诚实中值提供商收入的 1/259th。这突显出需要更强大的系统。
Anduin 框架:基于支付图的解决方案
Anduin 框架利用公共区块链记录从支付图中推导声誉。每个 x402 支付都会创建一个经过密码学签名的永久价值转移记录。通过映射这些交易,Anduin 构建了一个双边图,连接买家和提供商,按货币价值、交易频率和近期性加权。
信任是本地化和关系性的,基于买家与提供商之间重叠的商业活动。例如,如果买家评估新提供商,框架会分析涉及共享可信提供商的共同用户的支付路径。这种方法确保信任信号扎根于真实的经济活动中,使攻击者伪造声誉变得更加困难。
操控成本与 Sybil 抵抗
在 Anduin 框架下,Sybil 攻击变得极其昂贵。虚假账户必须在与目标买家信任的合法提供商处花费真实资金,因为攻击者控制的钱包之间的自我导向支付不会对声誉产生贡献。研究发现,操控 Anduin 的声誉系统的成本是现有方法的 23 倍,使其成为抵御 Sybil 攻击的强有力解决方案。
对代理市场的影响
通过整合 Anduin,市场可以增强信任,而无需依赖集中策划或自愿反馈。这种去中心化的方法与区块链技术的原则一致,为迅速发展的代理经济中的声誉管理提供可扩展且具有成本效益的解决方案。