New Online Communities: Graph Deep Learning on Anonymous Voting Networks to Identify Sybils in Polycentric Governance

要約

この研究では、ブロックチェーンベースの分散型自律組織 (DAO) におけるデジタル資産の多中心的なガバナンスを調査します。
これは理論的な枠組みを提供し、シビル、つまり偽のアイデンティティを特定する方法を開発することで、分散型ガバナンスが直面する重大な課題に対処します。
この手法では、グラフ深層学習技術を使用して、DAO ガバナンス データセット (snapshot.org) 内のシビル アクティビティを特定します。
具体的には、グラフ畳み込みニューラル ネットワーク (GCNN) が投票動作を学習し、高速 K 平均法ベクトル クラスタリング アルゴリズム (FAISS) が高次元の埋め込みを使用してグラフ内の類似したノードを識別しました。
結果は、深層学習が効果的にシビルを識別し、投票グラフを 2 ～ 5% 削減できることを明らかにしました。
この研究は、DAO におけるシビル耐性の重要性を強調し、分散型ガバナンスに関する新しい視点を提供し、将来の政策、規制、ガバナンスの実践に情報を提供します。

要約(オリジナル)

This research examines the polycentric governance of digital assets in blockchain-based Decentralized Autonomous Organizations (DAOs). It offers a theoretical framework and addresses a critical challenge facing decentralized governance by developing a method to identify sybils, or spurious identities. The method uses graph deep learning techniques to identify sybil activity in a DAO governance dataset (snapshot.org). Specifically, a Graph Convolutional Neural Network (GCNN) learned voting behaviours and a fast k-means vector clustering algorithm (FAISS) used the high dimensional embeddings to identify similar nodes in a graph. The results reveal that deep learning can effectively identify sybils, reducing the voting graph by 2-5%. This research underscores the importance of sybil resistance in DAOs and offers a novel perspective on decentralized governance, informing future policy, regulation, and governance practices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google