Kotarou

空投与 Sybil：代币分发、女巫行为与链上图检测

15 min read
Categories:DeFi
Tags:Tokenomics / Airdrop / Sybil
目录

本文是对以下论文的阅读梳理与结构化解说；细节以原论文为准，此处不逐段复述证明，仅整理主线逻辑便于对照阅读。

arXiv:2209.04603

内容总结：代币空投中的博弈

这篇文章的核心逻辑可以概括为以下三点：

  1. 空投的本质与目的：空投是 DApp 初创企业向早期支持者免费发放代币的行为。其目的是为了市场推广（吸引关注并脱颖而出）以及规避监管（绕过日益严格的 ICO 公开销售限制）。
  2. 空投的门槛：为了确保代币发给“真实”用户，项目方通常会设置资格要求，最常见的是要求用户与 DApp 产生实际的交互（如转账或调用智能合约）。
  3. 识别女巫（Sybil）：由于空投具有经济价值，大量攻击者会通过自动化脚本创建多个账户进行伪装。文章提出通过图论建模（将账户视为顶点，交易视为边）来分析转账模式和交互规律，从而识别并剔除这些由同一实体控制的可疑账户。

为什么叫“空投”？与《绝地求生》的关系

1. 词源与本意
“空投”（Airdrop）一词最早源于军事或人道主义援助，指利用飞行器将物资从空中直接投放到特定区域。在加密货币语境下，它是一个形象的比喻：代币就像是从天而降的“免费物资”，直接落入用户的数字钱包里，而不需要用户付出金钱购买。

2. 与《绝地求生》（PUBG）的关系
它们在语意逻辑上是高度一致的，虽然所属领域不同，但核心特征相同：

  • 稀缺性与奖励：在 PUBG 中，空投箱里装的是高级物资（如 AWM、吉利服）；在币圈，空投里是具有潜在价值的代币。
  • 规则触发：PUBG 的空投随机掉落或由信号枪召唤；币圈空投则是由满足特定规则（如早期使用过某产品）的用户“召唤”。
  • 竞争性：PUBG 里的空投会引来大量玩家争夺，甚至爆发战斗；币圈空投同样引来无数“猎人”通过技术手段（即下文提到的 Sybil）去争抢份额。

什么是 Sybil（女巫）？

在本文语境中，**Sybil（女巫）**指为获取多份空投收益，利用自动化工具创建并控制大量虚假账户的一类行为；从事该行为的实体常被统称为“女巫集群”或“刷子/羊毛党”，与网络安全中的 Sybil 攻击（单实体伪装多身份）同一套概念。

  • 概念来源：名称取自 1973 年探讨多重人格障碍的小说《Sybil》，在分布式系统与安全文献里用来描述“一控多号”的攻击面。
  • 在文中的具体表现：
    • 伪装活跃度：通过 Bot（机器人程序）操作多个账号频繁与 DApp 交互，制造“虚假繁荣”的假象。
    • 稀释奖励：女巫行为会瓜分原本属于真实用户的奖励。
    • 关联性特点：尽管女巫账户众多，但它们往往在资金来源、操作时间、交互路径上呈现出高度的相似性。文中提到的“图建模”正是为了捕捉这种隐藏在海量数据下的关联规律。

DApp 与协议：分层理解

DApp（Decentralized Application，去中心化应用）并不等同于协议，但二者通常成对出现：日常所说的“某个产品”往往是面向用户的应用层，而其链上规则多由**协议（智能合约集合）**承载。

可以用一个通俗的架构来理解：完整产品体验 ≈ 前端界面（UI）+ 协议（后端逻辑/智能合约）。

1. 协议（Protocol）：规则的底层

协议是“法律”和“逻辑”。
在区块链世界，协议通常指代一套智能合约（Smart Contracts）。它定义了资金如何流动、利息如何计算、资产如何抵押等硬性规则。

  • 特点：它是代码化的、部署在链上的、不可篡改的。
  • 类比：就像 HTTP 协议定义了互联网通信规则，或者银行内部的账务处理系统。你直接看协议，往往是一堆晦涩的代码。

2. DApp：完整的用户产品

DApp 是“包装”后的应用。
用户平时通过网页或 App 使用的界面，常与某一协议绑定；例如大家口语里会说“用 Uniswap、Aave”，严格拆开时：链上那一套规则才是协议，而官网或第三方站点是与之交互的 DApp 前端。

  • 前端（Frontend）：你看到的网页或 App 界面，方便你点击“兑换”或“存款”。
  • 后端（The Protocol）：即上述的协议。当你点击按钮时，前端会调用钱包（如 MetaMask）去触发底层协议里的智能合约。
  • 存储与通信：通常使用 IPFS 或区块链节点来保证去中心化。

3. 两者的关键区别

维度协议 (Protocol)DApp (Application)
表现形式链上的智能合约代码网页、手机 App 或小程序
受众开发者或机器人（通过 API/合约调用）普通用户（通过图形界面）
关系是 DApp 的核心逻辑引擎是协议的交互入口
可替换性极难更换（逻辑写死在链上）可以有多个（不同的 DApp 可以调用同一个协议）

举个例子：
以 Uniswap 为例：链上的 AMM 合约与规则构成协议；市面上许多不同的网站或聚合器只是不同的前端入口（DApp），底层仍可能调用同一套或分叉后的合约。即使某一官方前端暂时不可用，只要协议合约仍在链上，你仍可通过其他前端或直接调用合约完成交互。

总结

你看到的各种“协议”往往是链上产品的灵魂，而 DApp 是这些规则面向用户的入口与界面。在对话语境下，人们经常混用“产品名”与“协议”，但在技术层面，协议更偏向底层的数学和逻辑规则，而 DApp 则是为了让这些规则变得“好用”而存在的完整程序。

识别 Sybil：案例、行为与资金图

这部分内容深入探讨了识别 Sybil（女巫）攻击的具体模型与技术实现，通过分析链上交互行为的“指纹”来揪出幕后的机器人。

1. 核心研究对象：Hop Protocol

文中选取了 Hop Protocol 作为主要分析案例。这是一个跨链桥协议，用户可以通过它在不同的 Layer 2 网络或以太坊主网之间转移资产。由于这类协议功能丰富（发送、添加流动性、转换、质押），它产生的链上日志非常详尽，为识别 Sybil 行为提供了大量样本。

2. 识别 Sybil 的两个核心维度

研究者提出，机器人控制的账户虽然数量庞大，但在行为逻辑和资金来源上往往会留下难以掩盖的模式：

  • DApp 活动（行为指纹）
    机器人通常执行高度标准化的操作，例如：在一个账户上完成“存入 → 转换 → 质押”这一系列动作后，立即在下一个账户重复完全相同的序列。
    相似序列定义：文中给出了数学定义 $Definition 1$，即如果两个账户的操作类型（$a$）相同且参数（$p$，如转账金额等）相似，则判定其活动序列相似。

  • Token 转账（资金链条）
    由于每个虚假账户都需要原生代币（如 ETH）作为 Gas 费用才能与 DApp 交互，机器人控制者必须为这些账户分发资金。
    这些资金的流转路径（从母钱包到子钱包）通常呈现出明显的几何特征。

3. 四种典型的转账模式（图示解析）

文中通过图 4 至图 7 展示了 Sybil 资金流转的常见视觉模式：

  1. 顺序模式（Sequential Pattern）：资金像接力棒一样，从账户 A 传给 B，B 再传给 C。这种模式为了省事，但在链上极易被追踪。
  2. 放射模式（Radiating Pattern）：一个中央“母钱包”像章鱼爪一样，同时给几十个子钱包分发小额 Gas 费。
  3. 先径向、后顺序模式（Complex: Radiating then Sequential）：混合型。母钱包先分发给几个中转钱包，中转钱包再进行顺序转账。
  4. 先顺序、后放射模式（Complex: Sequential then Radiating）：另一种混合型，增加了一层层级的隐藏，试图规避简单的图分析。

下方两幅图对应论文 图 4–5 与 图 6–7（左栏：资金在地址间的传递拓扑；右栏：各地址上高度同构的 DApp 行为序列示意）。

图 4、5：顺序模式与放射状 token 转移；右列为同构 DApp 活动序列示意

图 4：顺序传递；图 5：自中心母钱包向多子地址放射式分发。

图 6、7：混合型资金路径（先径向后顺序 / 先顺序后径向）

图 6：先放射、再在子链上顺序传递；图 7：沿主干顺序传递并在各层局部放射至叶地址。

4. 技术实现：交易事件日志（Event Logs）

为了获取上述数据，研究者关注的是交易收据中的事件日志（Transaction Receipt Event Logs）：

  • Transfer（转账）：追踪代币的物理流动。
  • Sync（同步）：反映流动性储备的更新。
  • Swap（兑换）：记录用户与协议的具体业务交互。

通过提取这些日志中的三元组 $B = (t, a, p)$（时间、类型、参数），研究者可以将凌乱的链上数据转化为可供对比的行为特征向量。

关键结论

仅仅靠“行为相似”不足以断定是 Sybil（因为普通用户也可能看同样的攻略进行操作），但如果“行为序列高度相似”且“资金来源符合特定的转账图模型”，这两个条件同时成立时，该账户集合被判定为 Sybil 的概率极高。这种方法将原本孤立的账户通过“图论”和“序列对比”联系在了一起，让大规模刷票行为无所遁形。

从视觉模式到图算法：顺序与径向

这部分内容是将上一节中视觉化的“代币转移模式”（顺序模式和径向模式）转化为严格的图论问题，并给出了具体的算法实现框架。核心目的是在海量且存在噪音的链上交易图中，高效地提取出符合 Sybil 资金分发特征的子图。

1. 数据预处理与有向图的构建

在进行图算法搜索前，必须先从区块链快照中构建一个干净的基础图结构。

  • 构建有向图 $G$：顶点表示独立的地址（Address），若地址 $u$ 向地址 $v$ 发生了代币转移，则在它们之间建立一条有向边。
  • 降噪（剪枝）逻辑：
    • 机器人分发初始 Gas 费用的行为通常发生在外部账户（EOA，即普通用户钱包）之间。因此，所有涉及智能合约地址的转账均被剔除。
    • 中心化交易所（CEX）的地址和预定义的白名单地址被移除。这类地址往往呈现出巨大的星型网络结构，会严重干扰真实 Sybil 网络的拓扑特征。

2. 搜索顺序模式与 Theorem 1（核心推导）

顺序模式表现为资金在多个账户间呈链状传递。在实际链上环境中，这种链条可能并非完美的单向直线（中间可能夹杂其他无关节点的跳跃）。直接在庞大的图 $G$ 中寻找一条恰好覆盖所有可疑节点的简单路径（Simple Path）不仅计算复杂度极高，而且鲁棒性差。

这里，作者通过引入可达性图（Reachability Graph）的概念，给出了一个非常漂亮的转化，并在 Theorem 1 中进行了证明。

  • 直观理解：我们不在乎资金从账户 A 到账户 B 中间经过了几个“跳板”（如 1 跳或 2 跳邻居），我们只关心在有向资金流中，A 是否能“到达”B。
  • 严格推导：
    • 基于原图 $G$，针对给定的可疑节点簇 $U$ 及其 1 跳、2 跳邻居构建子图。然后，构建对应的可达性无向图 $G’ = (V, E’)$。在 $G’$ 中，只要原图 $G$ 中存在 $u$ 到 $v$ 或 $v$ 到 $u$ 的路径，就连接边 $(u,v)$。
    • Theorem 1 证明了等价性：在原图 $G$ 中寻找一条能包含节点集 $V$ 的有向路径，等价于在可达性图 $G’$ 中寻找一个完全子图（Clique，小圈子）。
    • 这一转换将原本复杂的“有向图特定节点序列搜索问题”，优雅地降维成了图论中经典的“最大团搜索问题（Maximal Clique Problem）”。

Algorithm 1 即是这一数学直觉的工程落地：通过在可达性图中寻找包含最多 $U$ 中顶点的 Clique，逐步剥离出属于同一个顺序资金链的账户集合。

3. 搜索径向模式（Algorithm 2）

相较于顺序模式，径向模式（即一个母钱包向多个子钱包分发资金）的拓扑结构更简单，呈现出典型的星型网络特征。

  • 算法逻辑：针对给定的可疑节点簇 $U$，算法在其 1 跳和 2 跳邻居集 $V_h$ 中遍历，寻找一个“超级节点” $v$。其目标函数是最大化 $v$ 在原图 $G$ 中能够到达的 $U$ 中节点的数量。如果找到的 $v$ 能够覆盖 $U$ 中超过 2 个节点，则将其认定为一个径向结构的中心，并将其覆盖的子集提取出来。

4. 总体框架 (Section 4.3)

此处将前文所述的所有模块进行了串联，形成了一个完整的闭环检测系统：

  1. 行为聚类：首先利用 DBSCAN（一种基于密度的无监督聚类算法）对账户的 DApp 交互行为序列（如前文定义的特征三元组）进行聚类。这一步筛选出“行为高度同构”的可疑账户群 $U$。
  2. 资金溯源：将上述聚类得到的账户群 $U$ 输入到构建好的交易图 $G$ 中。
  3. 模式匹配：分别调用 Algorithm 1 和 Algorithm 2，在 $U$ 及其局部邻居网络中搜索是否存在经典的“顺序资金流”或“径向资金流”。如果存在，则完成了从“行为相似”到“资金同源”的双重交叉验证，最终输出高置信度的 Sybil 账户列表。

【插注】DBSCAN 与上文「行为聚类」
下面是对机器学习与数据挖掘中经典的**基于密度聚类（Density-based Clustering）**及 DBSCAN 的译述，并补上一点数学直觉与图论视角；对应你在论文 Section 4.3 第一步里第一次看到 DBSCAN 的位置。

（一）核心定义与算法流程

传统的基于代表点的聚类（如 K-means、EM）擅长椭球状或凸形簇；遇到非凸形状时容易失效——同一簇内两点沿流形的测地距离，可能反而大于跨簇的欧氏距离。DBSCAN 用局部密度来刻画簇的“实体”，从而绕开全局凸包假设。

  • $\epsilon$-邻域（$\epsilon$-neighborhood）：点 $\mathbf{x}$ 的 $\epsilon$-邻域定义为半径 $\epsilon$ 的闭球
    $$N_\epsilon(\mathbf{x}) = B_d(\mathbf{x}, \epsilon) = \{\mathbf{y} \mid \delta(\mathbf{x}, \mathbf{y}) \le \epsilon\}$$
    其中 $\delta(\mathbf{x}, \mathbf{y})$ 常为欧氏距离（在论文的交互特征空间里也可换成别的度量，但 DBSCAN 的经典叙述以欧氏为主）。
  • 核心点（Core point）：若 $|N_\epsilon(\mathbf{x})| \ge \texttt{minpts}$，则 $\mathbf{x}$ 为核心点；$\texttt{minpts}$ 是用户给定的局部密度阈值。
  • 边界点（Border point）：自身不满足 $|N_\epsilon(\mathbf{x})| \ge \texttt{minpts}$，但落在某个核心点 $\mathbf{z}$ 的 $\epsilon$-邻域内。
  • 噪声点（Noise / Outlier）：既非核心点也非边界点。

连通性（教材里常见的三条关系）

  • 直接密度可达（Directly density-reachable）：若 $\mathbf{x}$ 为核心点且 $\mathbf{y} \in N_\epsilon(\mathbf{x})$，则称 $\mathbf{y}$ 由 $\mathbf{x}$ 直接密度可达（一般非对称）。
  • 密度可达（Density-reachable）：若存在点列 $\mathbf{x}_0,\ldots,\mathbf{x}_l$，其中 $\mathbf{x}_0=\mathbf{x}$，$\mathbf{x}_l=\mathbf{y}$，且对每一步 $\mathbf{x}i$ 都由 $\mathbf{x}{i-1}$ 直接密度可达，则称 $\mathbf{y}$ 由 $\mathbf{x}$ 密度可达（仍可能非对称，取决于链上谁是核心点）。
  • 密度相连（Density-connected）：若存在核心点 $\mathbf{z}$，使 $\mathbf{x}$ 与 $\mathbf{y}$ 都由 $\mathbf{z}$ 密度可达，则称二者密度相连（对称）。基于密度的聚类可严格取为极大密度相连点集。

算法流程与代价

  • 许多教材把 DBSCAN 写成类似「Algorithm 15.1」形式的伪代码：先扫一遍数据找核心点，再对每个未归类核心点做递归/队列式扩张，把密度可达点并入同一簇。
  • 局限：单一的全局 $\epsilon$ 对多密度数据集很敏感——$\epsilon$ 过小会把稀疏簇当噪声；过大又会把本应分开的稠密簇糊在一起。
  • 复杂度：瓶颈在邻域查询；低维可用 kd-tree 等结构做到约 $O(n\log n)$，高维最坏常退化为 $O(n^2)$。

（二）数学直觉：密度水平集与图上的连通分量

不必借助“传染病”一类比喻，也可以在密度估计与离散图之间建立对应。

第一层：把 $(\epsilon,\texttt{minpts})$ 看成离散化的密度阈值
设想样本来自未知密度 $f(\mathbf{x})$。取 $\lambda \approx \texttt{minpts}/\mathrm{Vol}(B_\epsilon)$，则核心点大致落在 ${\mathbf{x}\mid f(\mathbf{x})\gtrsim\lambda}$ 的上水平集离散近似里；边界点靠近该水平集的拓扑边界；噪声点落在低密度尾部。

第二层：核心点诱导的 $\epsilon$-图与连通分支
一种等价整理方式是：

  1. 以全体核心点为顶点构造图 $G_\epsilon$；
  2. 若两核心点 $\mathbf{u},\mathbf{v}$ 满足 $|\mathbf{u}-\mathbf{v}|_2 \le \epsilon$，则连边；
  3. $G_\epsilon$ 的每个极大连通分支给出簇的骨架；
  4. 再把边界点吸附到距离 $\le \epsilon$ 的某个骨架上。

这解释了 DBSCAN 为何能沿非凸流形“爬行”：它依赖的是局部 $\epsilon$-邻近图的传播，而不是 K-means 那种用 Voronoi 超平面切分全空间。实现里对 DENSITYCONNECTED 一类子过程，本质上常对应在核心点图上做一次 DFS/BFS。

缩略语 D-B-S-C-A-N

Density-Based Spatial Clustering of Applications with Noise：强调在带噪声的空间数据里，用密度与连通性界定簇，而不是强行给每个点分配类中心。其中 Applications 来自 Ester 等（1996）面向大规模数据库空间挖掘的历史语境。

讨论、相关工作与结论（论文末段）

以下对应论文讨论（局限性与未来工作）、相关工作综述与最终结论，侧重客观交代方法在链上的实际表现与适用边界。（若你手边有 PDF，可对照原文章节编号与图示。）

1. 讨论与局限性（Section 6 & 6.2）

作者坦诚了检测框架在真实链上环境里典型的**误报（False Positive）**压力之一：中心化交易所（CEX）的干扰。

  • 误报的逻辑起点：许多真实用户会从币安、OKX 等 CEX 提现以太坊作为 Gas。从链上图谱看，CEX 热钱包向大量用户分发资金，拓扑上会形成非常“干净”的**大规模径向（放射状）**结构。
  • 巧合导致的误判：若一批彼此独立、但都从 CEX 提现的真实用户，恰好在相近时间段参与了 Hop Protocol 的空投交互（并呈现出相似的 DApp 活动序列），在现有流程下，他们有可能被系统误判为“同一实体控制的 Sybil 集群”。
  • 缓解思路：为压低特征重合带来的误报，作者强调需要引入多源交互数据：真实用户行为通常更分散（除空投外还有 Uniswap、NFT 等）；而专职薅羊毛的 Bot 往往与目标 DApp 的交互更单一。交互维度越丰富，误判概率通常越低——这与前文“单靠行为相似不足以定罪”的论述是一致的。

2. 未来工作（Section 6.3）

针对上述局限，文章提出两条可演进方向：

  1. 无预设条件的检测：当前框架依赖项目方在快照时划定的合格地址池作为输入；未来需要研究如何在缺乏明确准入名单（更接近全网盲搜）的前提下，仍高效刻画底层 token 转移网络。
  2. 跨 DApp、跨链的数据融合：单就某一 DApp（如 Hop）观测，数据量与行为多样性有限，攻击者可通过拉长时间轴、切换入口来稀释痕迹；更可行的路线是融合主网、各 Layer 2 以及其它 DApp 的外部信息，拼出更立体的账户画像。

3. 相关工作（Section 7）

  • 传统 Sybil 文献多集中在 IoT、联邦学习、社交网络（水军、垃圾账号等）。
  • 区块链语境里，既有研究更常落在共识层（多节点伪装、分片或算力相关威胁等）。
  • 本文自陈的站位：作者认为，本文是首次在学术语境下，把“DApp 空投”这一代币经济场景中的 Sybil 作为系统对象来建模与检测——关注点从“节点是否诚实”转向“应用层激励是否被批量身份稀释”。

4. 结论（Section 8）

全文收束时再次强调方法论上的闭环：仅凭“行为相似度”（同一窗口内做同一套操作）不足以断言 Sybil，因为存在羊群效应、公开教程与同质策略。本文主张的是双重验证：

  1. 先用 DBSCAN 从海量日志中抽出高度相似的 DApp 交互序列聚类；
  2. 再用图论模块（Algorithm 1 / 2）检验这些地址的初始 Gas 资金路径是否呈现可解释的顺序或径向几何结构。

在作者采用的判定叙事里：“行为同构”与“资金同源（在抽象图模式意义上）”同时成立时，才适合给出高置信度的 Sybil 判定；这也为工程上设置阈值、引入多源数据留出了接口。