第十一章 安全与反作弊

11.1 威胁模型

威胁	描述	影响
刷 Merit	虚假贡献获取 MeriToken	话语权膨胀
串通投票	多人合谋操控认定投票	不当 Merit 获取
刷亲密度	伪造交互提升亲密度	绕过排除、降低继承折损
身份伪造	创建虚假 HumanID	多重身份获取多份 Merit
女巫攻击	一人控制多个身份	操控投票

11.2 防刷 Merit

客观计量的防护

• 系统自动记录，人为干预空间小
• 可交叉验证（工时 vs 产出对比）
• 统计异常检测

主观评价的防护

核心思路：让作弊成本远高于收益。

1. 亲密度排除：排除关系密切的投票者
2. MeriToken 加权：高信誉者投票更有分量，作弊者需先积累大量真实信誉
3. 行为审计：频繁给特定对象投赞成票 → 标记异常
4. 随机抽样：随机抽取投票者，降低串通可能
5. 事后追溯：发现作弊后惩罚所有参与者

11.3 防刷亲密度

• 交互质量评估（不仅看频率）
• 单向交互无效（必须双向互动）
• 短时间大量交互视为异常
• 孤立双人高频交互（无共同社交圈）视为可疑

11.4 密钥安全

• 多签方案：重要操作需多密钥确认
• 密钥轮换：定期更换
• 社交恢复：可信关系人协助恢复

11.5 隐私保护

• 投票内容不公开（ZKP），只公开结果
• 亲密度数值可选择性公开
• 交互内容不上链
• 支持匿名参与（ZKP 证明资格而不暴露身份）

11.6 讨论备注

安全机制的设计哲学：

• 没有完美的防作弊方案，目标是让作弊成本远高于收益
• 多层防护比单一机制更有效
• 事前预防 + 事后追溯形成闭环
• 反作弊是持续对抗过程，系统需要能演进