第七章 社会关系图谱与亲密度

7.1 为什么 GMC 需要社会关系图谱

GMC 不仅记录贡献，还记录人与人之间的关系。这不是附加功能，而是核心机制的基础：

依赖关系图谱的机制	用途
继承机制	确定折损比（亲密度越高折损越少）
干系人排除	投票时排除与贡献者关系过密的人
反作弊	识别异常关系模式和串通行为
社区治理	定义社区边界和成员关系

没有关系图谱，上述机制都无法运作。

7.2 亲密度的来源

亲密度来自 Fay-to-Fay 的交互和社会关系网：

• 交互频率：两个 Fay 之间的通信、协作频次
• 交互深度：协作项目的复杂度和持续时间
• 关系声明：用户主动声明的关系（家庭、同事等）
• 共同参与：共同参与的社区、项目、投票

7.3 上链策略

为什么需要上链

讨论中的结论：社会关系必须上链，目的是确保关系的真实性，防止杜撰关系。

如果关系数据可以被伪造，那么继承折损、投票排除等机制都会失效。

分层存储

数据类型	存储位置	理由
关系存在性	链上	保证不可伪造
亲密度数值	链上	作为继承和排除的依据
亲密度计算证明	链上（ZK 证明）	保证计算可审计
交互明细	链下	数据量大、涉及隐私

链下到链上的锚定

• 交互明细存储在链下
• 定期将统计结果的哈希锚定到链上
• 亲密度更新时提交 ZK 证明
• 任何人可通过哈希验证链下数据未被篡改

7.4 亲密度模型

计算输入

亲密度 = f(交互频率, 交互深度, 关系声明, 共同参与, 时间衰减)

特性

• 有最大值上限
• 长期不交互会衰减
• 计算过程可通过链上证明审计
• 对称性待定（A→B 是否等于 B→A）

亲密度与功能的映射

亲密度范围	继承折损	投票排除
极高（> 0.9）	最低	必须排除
高（0.7-0.9）	较低	建议排除
中（0.4-0.7）	中等	不排除
低（0.1-0.4）	较高	不排除
极低（< 0.1）	极高或不允许	不排除

7.5 关系类型

• 血缘关系：父母、子女、兄弟姐妹
• 法律关系：配偶、监护人
• 社会关系：朋友、同事、师生
• 组织关系：雇佣、合作伙伴

不同关系类型可能有不同的亲密度基准和衰减速率。

7.6 防伪造

• 关系声明需要双方确认（双向签名）
• 交互记录由系统自动生成，非人为填写
• 短时间内大量交互视为异常
• 孤立的双人高频交互（无共同社交圈）视为可疑
• 关系必须在事件发生前就已上链（不允许事后补录用于继承）

7.7 隐私保护

• 关系存在性公开（用于投票排除等公共功能）
• 具体亲密度数值可选择性公开
• 交互明细严格保密
• 使用 ZKP 在不暴露具体关系的情况下证明资格

7.8 讨论备注

社会关系图谱的设计考量：

• 这是 GMC 区别于纯粹 Token 系统的关键特性
• 数据量是最大挑战——全球社交图谱规模极其庞大
• 分层存储（链上关系 + 链下明细 + 锚定证明）是当前的平衡方案
• 亲密度的对称性问题需要进一步讨论
• 关系图谱本身也需要防伪造机制