DeFi 中价值千万的关键字 Gitcoin

Gitcoin 是什么？它是 Vitalik 为了解决以太坊生态项目融资效率低的问题而提出来的算法构想的社区产品，Vitalik 另一个更有名的被社区实现的算法构想是 Uniswap。

如果说 Uniswap 在 ETH1.0 上通过 AMM 算法重构了二级市场的交易体验，那 Gitcoin 则通过“二阶投票”的算法重构了对早期社区项目的种子投资方式。通过 Gitcoin 获得资金的知名项目包括：Tornado.cash、Uniswap、1inch.exchange、Dune Analytics、MolochDAO

Gitcoin 这一关键字下对投资者有价值的信息源包括：

1. 每一期的 Gitcoin Grand 列表都是真金白银投出来的，可以在项目并不是最热的时候发现它们， 如果回头去翻第 1 到 8 期列表，会发现被大家熟知的 DeFi 项目都曾经在这里出现过。

2. Vitalik 对每一期 gitcoin grand 的总结是非常不错的方向性资料，能够获得框架性、实时性的行业分析，是可以作为季度报告看的。

3. 如果还希望看到更早期的项目，可以关注 gitcon kernel，可以理解成这是互联网投资领域常见的孵化器。我本身也是 Gitcoin kernel 的第一期成员，直观感受是该信息源下的信息密度相比前两个较低，开发者质量参差不齐。

当然 Gitcoin 的也不是万能的。YFI 的创始人安德烈为了获得代码审计的支持报名过某一期 Gitcoin Grand，但是被其他项目淹没了。如果放在 VC 的逻辑里看，应该算是巨大的方向性踏空。

有人形容 Gitcoin 是以太坊的“军火库”，每一条公链都希望有一个 Gitcoin，但是只有 ETH 具备激活这一产品的社区活力。这份活力中的要素包括：1. 有钱有意愿的基金会 2. 积极的开发者 3. 热情且略带理想主义的社区用户 4. 项目商业化所需的市场 5. 成熟的开发体验

本文作者 Danilo Lessa Bernardineli，Michael Zargham 和 Jeff Emmett，通过 cadcad 这一工具分析了 Gitcoin 配资算法在实际运行中是否有效，有关 cadcad 的价值未来找机会再说。

要看懂该分析文章，是需要对 Gitcoin 的“二阶投票”算法有所了解的，可以看下面表格的解释：

上一篇在 BlockScience 上对 Gitcoin Grants 生态系统的分析中，我们简要介绍了 Quadratic Funding 和这种资源分配政策在为社区赠款公平分配匹配资金方面所面临的挑战。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。

1

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。

2

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。

这是整个 Gitcoin Grants 第 8 轮网络，这次用 5 个独立的社区子图来表示，我们将在下面进一步探讨。

3

方法论 : 数据与模型

在这个分析中，我们使用的是 Gitcoin Grants 第 8 轮的捐赠数据 (匹配之前，因为这不会影响 Gitcoin Grants 网络结构的形状)。我们将把这些数据输入到 Gitcoin cadCAD 模型中，以执行我们的数据分析。通过此模型，我们能够估算最终的比赛结果，直到 Gitcoin 团队缓解干扰的任何干预措施都有效。

使用 cadCAD 模型，我们生成一个图来表示 Gitcoin 赠款捐赠网络中赠款与捐赠者之间的相互联系。为此，我们将流动社区算法应用到 NetworkX 图形对象中，该对象将返回检测到的社区列表。这些社区由赠款和贡献者这两个节点组成，作为节点，而贡献作为边缘在它们之间流动。

然后，我们将社区子图与三个不同的授权相关联进行可视化 :cadCAD 子图，MetaGame 子图和 DAppChaser 子图。

4

资料分析

Gitcoin Grant 合作子图的可视化效果如下所示。为了解释这些图，将赠款表示为蓝色节点，将贡献者表示为橙色节点。赠款节点的大小由所有捐助者的总捐献额决定，而捐献者（奖励金）节点的大小由它们对所有赠款的捐献额决定。

节点之间的边缘表示从贡献者流向赠款的捐款。

深入挖掘数据，我们选择分析三个（许多）不同的社区“指纹”，以更好地理解不同群体的交互模式，以及我们如何识别 Gitcoin Grants 中的串谋或不公平行为。选择 cadCAD 和 Metagame 来将我们的分析重点放在我们有第一手经验的社区上，以提高我们利用社交环境解释数据的能力。选择 DappChaser 来调查通过此分析得出的有趣模式。

5

cadCAD 的子图

这个子图有一个有机的外观，在 cadcad 相关赠款的生态系统周围有一个紧密的协作集群，并且与该生态系统中的多个项目保持联系。

cadCAD 赠款的邻近社区的子图，蓝色为赠款，橙色为贡献者。

有关 cadCAD 子图的一些统计信息：子图赠款总数：110 子图协作者总数：888 该子图中的 USD 总值：41,047.76 USD

此子图中排名前五的资助项目 :*

1. Gitcoin 开源支持基金：10,333.02 美元

2. Commons Stack 社区基金— Panvala League：2,628.53 美元

3. Wallkanda：2,510.39 美元

4. Autonio：2,500.89 美元

5. DistributedTown：2,500.89 美元

6

MetaGame 子图

这个子图还展示了一个有机结构，虽然更分散，有很多协作连接性，但没有密集的集群。

Metagame 赠款的邻近社区的子图，赠款是蓝色的，贡献者是橙色的

有关 Metagame 子图的一些统计信息：总经费 :171 合作者总数 :825 子图中的美元总价值 :14,859.97 美元此子图中排名前五的资助项目 :

1. Scribble Specifications and Runtime Verification Fund: 2,958.19 美元

2. BeyondNFT: 2,616.18 美元

3. Rekt- The dark web of DeFi journalism: 2,499.94 美元

4. Unitimes-Ethereum developer community platform: 1,552.87 美元

5. vfat.tools Yield Farming Calculators: 1,411.17 美元

**

**

7

DAppChaser 子图

与其他子图相比，这个网络邻域看起来有点不同。该网络看起来不像我们之前的例子那样有机，而且在这个生态系统中的捐助者和其他 Gitcoin 赠款之间几乎没有联系，这表明生态系统协作较少。

DappChaser 赠款的邻近社区的子图，赠款是蓝色的，贡献者是橙色的。

关于 DappChaser 子图的一些统计数据 : 赠款总额 :85 合作者总数 :966 子图中的美元总价值 :26243.74 美元此子图中排名前五的资助项目 :

1. KERNEL Block II [Panvala League]: 11,755.68 美元

2. EU Crypto Initiative — educating policy makers: 9,866.64 美元

3. Catnip: 3,038.81 美元

4. Meme of the Day: 2,516.04 美元

5. COVID-19 Moment || Food Bag Delivery for families: 2,118.16 美元

乍一看，该子图可能会提供一些指纹模式，这些模式可能暗示串谋或欺诈行为-大量为个人捐赠资金的捐赠者，与 Gitcoin 网络中其他捐赠的联系稀疏。但是，当我们更深入地研究时，这些社区也可能是在新市场（在某些情况下是中国）中得到良好支持的社区，这些社区最初只是与 Gitcoin 的公共产品融资生态系统进行互动。

借助 BrightID （身份证明系统），可以更加清楚地区分这些区别。BrightID 是一个身份证明系统，当合作者被唯一识别时，它可以提供匹配资金的奖励。BrightID 团队在这一特定模式上的表现值得称赞，他们也在确定与赠款相关的独特身份方面做出了努力。鉴于 Gitcoin 专门为东亚项目创建了一个赠款池，显然这是一个系统目标，即吸引更多来自这些地区的用户。因此，在我们需要警惕串谋的同时，我们还需要确保任何检测算法都不会调整得过于激进，从而阻止不同市场的新来者加入未来的 Gitcoin Grants 轮。

8

解释和讨论

在上面的分析中，我们可以看到数据中出现的某些模式，这些模式可以让我们洞悉在何处挖掘更多信息。在 DAppChaser 集群模式中，一个算法可以标记潜在的串谋行为，但这个问题可能不能仅靠一个算法来解决。可能有必要构建数据收集和社区治理工具，这些工具旨在决定如何围绕串谋行为制定政策，以及在就串谋行为发生争议时，如何在逐笔赠款的基础上解释串谋政策。最终，我们感兴趣的是，Gitcoin 系统如何将这些行为的相关数据提升到系统的治理层，以解决社区纠纷。

虽然此指纹可以作为潜在串谋行为的模式，但我们需要小心，我们的算法并非天真，不要把新进入者和一群串谋者混淆，从而导致不公正的惩罚。如果我们的算法过于激进，我们就有可能把新市场的进入者排除在外，这也不利于 Grants 生态系统的长期增长。

结论

我们进行此分析的目的不是在 Gitcoin 生态系统中区分“正确”和“错误”的政策选择，而是使用数据驱动的分析来探索算法政策设计的主观选择。在上面的讨论中，我们可以清楚地看到，没有客观的“正确政策”可以解决 Gitcoin Grant 匹配中的所有挑战。因此，考虑到其社区的规范和使用，以及他们对逐步去中心化的渴望，必须就应该采取什么折衷措施来维护 Gitcoin 的公平性做出主观选择。这项分析旨在为这些折衷方案提供清晰的信息，并为 Gitcoin 团队和社区在实现其目标的政策选择中提供决策支持。

我们赞扬 Gitcoin 使用标记算法，该算法能够识别潜在的串谋行为范围，以适当地引导团队注意，并且我们对如何进一步优化该算法感兴趣。鉴于“串谋”在 Gitcoin Grants 中的作用范围要大于离散事件，建议在串谋分析和决策制定方面保持人工参与。

虽然在处理诸如“公平”之类的主观衡量标准时，几乎没有硬性答案，但我们可以提出一些非常好的问题，以帮助我们深入了解我们在 Gitcoin Grants 系统中的剥削行为，从而做出相应的政策选择：

1. 有多少资金从更有机的社区分配到更合谋的捐款模式 ?

2. 审查当前的 Gitcoin Grants 政策，无论每项政策有或没有，赠款将获得多少资金？（已经对此进行了一些工作）

3. 串谋的早期预警信号是什么 ? 我们如何将这些信号升级到系统的治理层 ?

考虑到解决这些问题可以为公共产品提供资金的好处，以及 Gitcoin Grants 数据集的新颖性，我们渴望从这些数据中获得更多的见解，以帮助在明年建立更多抗串谋的系统。

欢迎加入社群，与我们讨论如何参与更多 DeFi 项目、探索 DeFi 规则原理~

加入方式：扫码关注，后台点击【加入社群】

DeFi 之道公众号后台

回复“财富”获取 DeFi 热门项目白皮书合集 !

回复“研究”获取 DeFi 研究报告合集！

回复“论文”获取 DeFi 相关论文合集！

干货持续更新中，敬请关注……