在本文中，我们将深入探讨如何使用cadCAD识别潜在串谋或欺诈行为的具体实例，并讨论减少Gitcoin Grants生态系统中的剥削行为政策所带来的后果。
整个Gitcoin Grants第8轮网络，赠款被标记为蓝色节点，贡献者被标记为橙色节点，捐款作为它们之间的连接。
在开始之前……
作为一个致力于#OpenScience的研究机构，我们打算以严谨的方式处理Gitcoin Grants生态系统的数据分析，并在工作过程中向观众展示结果。因此，你会注意到这篇文章采用了以下格式:
1.假设
2.假定
3.方法论:数据与模型
4.分析的数据
5.解释和讨论
6.结论
在深入讨论之前，另一件需要确定的重要事情是“串谋”和“欺诈”的定义，因为这些是Gitcoin团队在确保公平和透明的公共产品融资平台方面的主要关注点。根据在Weyl & Hitzig上撰写了关于CLR学术论文的Vitalik所述，串谋被定义为“多个代理人为了他们的共同利益而损害其他参与者的利益”，欺诈被定义为“一个公民谎报了自己的身份”。分析这些定义有点棘手,因为赠款循环的饱和效应，其实暗示着Gitcoin Grants系统中几乎所有社区级别的动员都是串谋, 因为在共享有限池时，一个社区的任何收益都会损害其他社区的利益。另外，维基百科将串谋定义为“秘密或非法的合作或阴谋，特别是为了单纯的欺骗或欺骗他人”，这对我们的目的更有利，因为它允许我们在分析时解释意图。
通过本文，我们将开始研究由参加Gitcoin Grants的各个社区展示的协作模式，看看我们能否识别串谋或欺诈行为，以及如何减轻这种行为。
假设
使用Gitcoin Grants的社区有一个潜在的“形态”。主观上，可以采用以下格式:
◆密集社区，如Commons Stack / Token Engineering集群，其中有大量相关的项目，涉及的贡献者有重叠。
◆高度集成的社区，如以太坊基金会，在那里可以在不紧密集群的情况下实现大量连接。
◆孤立社区，如DAppChaser和其他区域项目，在这些社区中，有大量的项目贡献者，与其他赠款的联系有限。
我们在本文中的假设是，我们可以将这些形状解释为一种“指纹”，用于模式匹配有机社区行为，从而更好地识别掠夺行为，并削弱从整个Gitcoin社区吸收匹配资金的能力。但在我们能够确定串谋攻击的网络结构之前，我们首先必须了解Gitcoin社区的结构。这种形状可以通过使用网络科学技术（例如社区检测算法）来定量检测，我们将在下一节中进一步探讨。
假定:
在我们的分析中，我们使用了几种不同的工具和假设，鉴于它们给我们的分析带来的主观性，我们将在此处列出它们。
◆货币聚合该分析将所有捐款压缩为等值的美元，而与捐赠的币种无关。这是对Gitcoin基金匹配政策运作方式的简化假设。这是一个简化的假设，遵循Gitcoin的资金匹配政策的运作方式。
◆不包括配套资金本报告不包括通过Gitcoin二次融资算法算出的匹配资金的严格分析，而是关注Gitcoin Grants网络的结构。随后的分析可以深入研究匹配算法的效果。
◆社区检测算法:流动社区流动社区是一种基于传播算法的，能够在动态网络中识别可变数量的社区。它们基于流体在环境中相互作用，由于这种相互作用而膨胀和收缩。通过利用精确度接近当前最佳替代方案之后，流动社区能够在合成图中找到社区。在本文中，我们将这些社区互换称为“子图”。
◆社区切割尺寸的选择:5我们选择将其划分为5个子社区:你总是需要从某个地方开始，而5个子社区足以使您大致了解总体情况，而又有足够的数量使结构易于理解。请记住，这5个子图有交叉链接，因此可以将它们粘贴在一起，形成完整的贡献图。
尽管我们只是为了快速探索性分析而选择了一个社区检测算法和要分割的子图数量，但我们现在的研究目标是对诸如社区剪切大小之类的超参数进行更严格的敏感性检查，通过模块化最大化等一系列措施,特定领域的监督学习和渗流分析的聚类系数来选择算法。这些选择将在未来被重新审视，以确定算法或参数的变化是否会影响我们的结论，并与反射性实践保持一致。
郑重声明：本文版权归天网查所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
