DAO에서 가장 중요한 'D'에 대해 알아보기: VBE 투표 집단 엔트로피

탈중앙화 자율 조직(DAO)의 발전과 함께 거버넌스 리스크도 점차 드러나고 있습니다. 기존의 탈중앙화 측정 방식은 투표 행위 뒤에 숨겨진 이해관계의 연합, 특히 다크 DAO와 같은 은밀한 조작의 위협을 밝히기 어렵습니다. 혁신적인 측정 지표인 VBE(투표 블록 엔트로피)는 클러스터링과 엔트로피 계산을 통해 DAO의 중앙화 정도를 정량적으로 평가하여 거버넌스의 함정을 드러냅니다. 이 백서에서는 VBE의 핵심 프레임워크와 DAO 거버넌스에서의 실제 적용에 대해 간략하게 설명합니다.

01 배경

몇 달 전, Compound DAO는 5개의 주소가 전형적인 거버넌스 공격인 제안 289를 통과했습니다. 커뮤니티 금고의 5%, 약 2,400만 달러의 자산에 대한 통제권을 탈취하기 위해 컴파운드 DAO의 거버넌스 취약점을 악용했으며, 이 제안을 통해 커뮤니티가 전혀 통제할 수 없는 다중 서명 지갑으로 통제권이 넘어가게 됩니다.

기존 탈중앙화 지표는 이 사건 이전에 위험을 명확하게 예측하지 못했으며, 주소 간 토큰 분포에 초점을 맞춘 사토시 나카모토 계수나 지니 계수와 같은 대중적인 지표는 상대적으로 시대에 뒤떨어져 주소 뒤에 숨겨진 연결성을 무시한 것이 분명합니다. 이는 주소 뒤에 숨겨진 연결과 뇌물 수수와 같은 불투명한 수단을 통해 온체인 투표를 조작하는 탈중앙화 연합을 설명하는 일반적인 용어인 다크 DAO의 존재를 명백히 무시한 것입니다.

어떻게 주소 정보의 표면을 뚫고 들어가 주소 뒤에 숨겨진 클러스터 연결을 밝히고 숨겨진 위험을 발굴할 수 있을까요?

세 단어 중 가장 중요하지만 수치화 및 분석하기 가장 어려운 단어는 첫 번째 단어인 D(탈중앙화), https //www.initc3.org/ 는 다음 세 가지 핵심 개념을 중심으로 주소 그룹 뒤에 숨은 '숨겨진 동맹'을 찾아내려는 지표인 VBE(투표 블록 엔트로피, 투표 집단 엔트로피)를 발표했습니다.

1. 투표: 투표 행동과 의사 결정 패턴.

2. 블록(블록/이익 연합): VBE에서 블록은 주소가 같은 단체에 속해 있는지 또는 공개적으로 연관되어 있는지에 관계없이 매우 유사한 방식으로 행동하는 유권자 그룹을 의미합니다.

3. 엔트로피: 엔트로피는 시스템에서 불확실성 또는 분포의 균일성을 측정하는 데 사용되는 개념으로, VBE에서 투표 블록의 집중도와 권력 분포를 평가하는 데 사용됩니다.

• 높은 엔트로피: 투표 행동이 분산되어 있고, 여러 투표 블록이 제안에 대해 서로 다른 견해를 가지고 있으며, 거버넌스가 더 분산되어 있습니다.

• 낮은 엔트로피: 투표 행동이 중앙 집중화되어 있고, 소수의 블록이 제안의 결과를 통제하며, 거버넌스가 쉽게 조작될 수 있습니다.

VBE는 추상적이지만 중요한 특성인 커뮤니티의 분위기를 상징하는 '바이브'로도 발음된다는 점에 주목할 필요가 있습니다.

VBE의 핵심 원칙은 여러 제안에 걸쳐 유권자들의 이해관계가 일치하는 것(즉, 투표 블록이 형성되는 것)이 중앙화의 표현이며, VBE는 여러 투표에서 유사한 효용 함수를 가진 참여자들의 엔트로피를 클러스터링하고 측정함으로써 DAO 조직의 중앙화를 측정한다는 것입니다.

그렇다면 VBE는 어떻게 분석을 통해 추상적인 커뮤니티 '분위기'를 구체적인 지표로 정량화할 수 있을까요? 토끼굴로 뛰어들어 알아봅시다!

02 VBE: 투표 블록 엔트로피

VBE의 프레임워크는 클러스터링 메트릭과 엔트로피라는 두 가지 핵심 요소로 구분할 수 있습니다. 메트릭과 엔트로피. 주요 구성 요소와 그 구현은 다음과 같습니다::

1. 클러스터링

VBE 정의 ? - 임계값 서수 클러스터링(? -임계값 서수 클러스터링, ? -TOC)를 다음 규칙에 따라 클러스터링합니다.

공식 해석 :

• 이 공식의 목표는 두 토큰 보유자의 투표가 유사한지 여부를 결정하는 것입니다. 행동이 유사한지 판단하여 함께 그룹화(클러스터링)하는 것입니다. 구체적으로 다음 두 가지 조건을 통해 '유사성'을 정의합니다.

• 클러스터링 조건 1(같은 방식으로 투표하는 경향): 간단한 예로, 두 사람이 특정 선거에서 모두 찬성(긍정) 또는 모두 반대(부정)하는 경우, 즉 투표 기호가 같으면 이 선거에서 같은 행동을 하는 것으로 가정합니다. 선거에서 동일한 행동을 한다고 가정합니다.

• 군집 조건 2(선호도 차이가 충분히 작음): 간단한 예로, 두 사람이 주어진 선거에서 서로 다른 기호를 가지고 있지만 선호도의 강도(예: 지지 및 반대 정도)의 차이가 충분히 작을 경우(예 설정된 임계값 ϵ), 이들은 유사하게 행동한다고 주장할 수 있다

• UEP (아래 공식 참조): 선거 집합 E에 대한 Pi의 선호도를 주소로 지정합니다. 유틸리티

• k: k번째 선거를 나타내는 선거 지수

• ϵ: 선거의 강도 차이가 강도 차이가 무시할 수 있는지 여부를 측정하는 임계값

세분화된 지표를 기본 효용에 따라 클러스터링할 수 있지만, 선호도의 일관성을 나타내는 데는 서수 등가성이 효과적이었습니다.

? -TOC는 과거 투표 데이터를 기반으로 계산할 수 있습니다.

무관심 투표자 특별 대우: 효용이 0에 가까운 모든 무관심 투표자도 'A'라는 추가 카테고리로 그룹화됩니다. 이러한 유권자는 선거 결과에 거의 또는 전혀 관심이 없으며, 투표 행동은 거버넌스에 대한 낮은 참여를 반영합니다.

2. 엔트로피

VBE는 엔트로피의 척도로 최소 엔트로피를 채택합니다. 공식은 다음과 같습니다:

방정식 해석

• A: 모든 주소(집합)를 나타냅니다.

• tokens(A'): 주소(세트) A′가 보유한 토큰의 개수를 나타냅니다.

• maxA′∈A: 모든 주소(세트)에서 보유한 토큰의 최대값을 나타냅니다.

• T: 모든 주소가 보유한 토큰의 총량을 나타냅니다.

엔트로피는 토큰 분포의 '정보성'을 측정하기 위해 사용되지만, 가장 큰 토큰 보유자(또는 그룹)의 기여도에 초점을 맞추고 있습니다. 집중도가 높을수록 엔트로피가 낮습니다(정보가 적음).

더 세분화된 엔트로피(예: 섀넌 엔트로피)는 더 복잡한 분석에 사용할 수 있지만, 현실적으로 추정하기 어렵고 계산 비용이 많이 듭니다.

VBE의 인스턴스화 공식

위와 같이 클러스터링과 엔트로피의 정의를 결합하여 선거 집합 E, 플레이어 집합 P, 해당 유틸리티 U(E,P)에 대한 토큰 분포 함수 토큰, 클러스터링 측정값 C, 엔트로피 함수 F에 대한 VBE의 구체적인 인스턴스화 공식은 다음과 같습니다.

VBE 핵심 정리

VBE 핵심 정리는 시스템 변화가 탈중앙화 정도에 미치는 영향을 분석하기 위한 일반적인 프레임워크를 제공합니다. 핵심 정리 분석의 기본 논리는 다음과 같습니다.

• 유권자 무관심의 증가, 선거가 비공개 모드로 전환되는 등 일종의 '변화'만 있는 두 시스템을 비교합니다.

• 두 시스템에서 가장 큰 투표 블록에 대한 이러한 변화가 미치는 영향을 살펴봅니다.

• 이 변환을 기반으로 두 시스템의 VBE를 계산하고 비교합니다.

VBE의 핵심 정리에서 T를 플레이어 세트, 선거 세트, 플레이어 효용 및/또는 토큰 분배를 변경하는 함수로 표시합니다. 세트, 플레이어 유틸리티 및/또는 토큰 분배를 변경하는 함수로 정의합니다.

시스템의 총 토큰 수는 일정하게 유지됩니다.

B와 B′를 각각 원래 시스템(E,UE,P,tokens)과 변환된 시스템(E′,UE′,P′,tokens′)에서 ϵ-TOC로 클러스터링된 토큰 보유량이 가장 큰 투표 블록이라고 하면 다음 조건이 충족됩니다.

• tokens(B) : 엔트로피 메트릭에서 가중치로 사용되는 가장 큰 투표 블록 B가 보유한 토큰의 비율을 나타냅니다.

• B′가 보유한 토큰의 비율이 증가하면 B의 상대 엔트로피 값은 감소하여 VBE가 상승하게 됩니다.

• B′가 새로운 지배 지배자를 형성하면(즉, B′가 다수 지배, 토큰 보유량으로 다수) VBE는 엄격하게 증가하며, 토큰 비율이 동일하게 유지되면 VBE는 동일하게 됩니다.

이 핵심 정리는 이후의 구체적인 정리에 대한 패러다임을 제공합니다.

1. 시스템 변환 T를 정의하고 이것이 최대 투표 블록을 어떻게 수정하는지 설명합니다.

2. 핵심 정리의 도출을 통해 변환이 VBE의 값에 미치는 영향을 평가하여 시스템 탈중앙화 정도 변화를 정량화합니다.

핵심 정리의 확장된 분석적 응용

(이 하위 섹션에 언급된 예제에서 자세한 도출과 증명은 논문 마지막에 있습니다.) 자세한 내용은 백서의 3.2~3.8장으로 이동하여 읽어보시기 바랍니다)

1. 마녀 공격

• VBE는 효율적으로 다음을 수행할 수 있습니다. 단일 주체가 관리하는 여러 계정을 식별하고 이를 하나의 투표 블록으로 처리할 수 있습니다.

• 고래가 계정 분산 전략을 통해 탈중앙화를 '위장'하더라도 VBE는 시스템의 진정한 중앙화 수준을 드러냅니다.

반면, 계정 잔액만을 기준으로 한 지표는 토큰에 대한 실제 통제권 분포를 무시하기 때문에 시스템이 더 탈중앙화되었다고 잘못 판단할 수 있습니다.

2. 무관심

중앙화 효과:

• 무관심한 유권자가 대량으로 등장하면 투표권이 더 큰 통합 블록으로 집중됩니다.

• 이는 무관심이 실제로는 더 중앙집권적인 시스템 권력 구조로 이어질 수 있음을 시사합니다.

'무관심 고래' 현상:

• 무관심한 유권자들의 집합은 '무관심 고래'(비활동 고래)로 생각할 수 있으며, 이들의 행동은 잠재적으로 시스템적으로 중요한 잠재적인 시스템적 중요성을 가지고 있습니다.

• 투표하지 않더라도 이 그룹이 보유한 토큰의 양은 시스템의 탈중앙화에 상당한 영향을 미칠 수 있습니다.

3. 위임

직관적으로 위임은 시스템을 더 중앙화하게 만드는 것처럼 보입니다: 다수의 플레이어가 보유할 수 있는 토큰이 소수의 위임자에게로 이동하기 때문입니다. 그러나 VBE의 분석을 통해 이 시나리오는 실제로 더 복잡합니다. 프록시 투표는 종종 DAO를 더욱 탈중앙화합니다.

• 높은 무관심: 프록시 투표는 '무관심 고래'의 토큰을 여러 델리게이트 블록에 분산시켜 시스템의 중앙화 위험을 줄이기 때문에 가장 효과적입니다.

• 주의 사항: 대의원들이 새로운 '고래'를 형성하면 오히려 시스템의 탈중앙화가 감소할 수 있습니다.

4. 허딩

ADAO와 다른 민주주의의 핵심 목표는 토큰 보유자가 자신의 진정한 선호도에 따라 투표할 수 있도록 하는 것입니다. 그러나 집단 효과(예: 공개 투표로 촉발된 연합 행동)는 종종 이 목표를 방해합니다. 토큰 보유자는 평판 위험으로 인해 영향력 있는 회원을 팔로우하거나 동료들과 연합하여 대규모 투표 단체를 형성해야 할 수도 있습니다. 이러한 사회적 효과는 개인의 진정한 기대와 다르게 투표를 왜곡하여 중앙 집중화를 심화시킵니다. 토큰이 균등하게 분배되어 있음에도 불구하고 집단 효과로 인해 모두가 동일한 결과를 지지하게 되면 기존의 지표는 시스템이 탈중앙화된 것으로 잘못 판단할 수 있습니다. 반면 VBE는 평판 위험이 어떻게 중앙화를 강화하는지를 밝혀내어 실제 탈중앙화 수준을 반영합니다.

• 프라이버시의 중요성: 투표의 프라이버시 보장은 무리 효과의 중앙화 압력을 완화하여 시스템의 탈중앙화를 강화하는 데 도움이 될 수 있습니다. .

• 추종자 효과의 만연: 추종자 효과는 DAO 설계에서 흔히 볼 수 있는 현상이며 불공정하고 비효율적인 시스템을 초래할 수 있습니다. 따라서 투표 행동에 대한 사회적 역학의 영향을 줄이는 방법을 설계에 고려해야 합니다.

5. 투표 슬레이트

투표 슬레이트는 인기 있고 무해한 대규모 제안 그룹에서 비인기 제안을 "숨기기" 위해 종종 사용됩니다. 인기 있고 무해한 대규모 제안을 묶어 인기 없는 제안이 통과될 가능성을 높입니다.VBE는 제안을 함께 묶으면 분권화가 줄어든다는 사실을 반영합니다: 더 좁은 선거 집합을 고려하고 효용 함수를 평활화함으로써 여러 투표 블록이 더 큰 투표 블록으로 합쳐집니다.

• 처리 방법: 탈중앙화를 유지하기 위해 투표 세트는 특히 선호도가 크게 다른 선거를 처리할 때 신중하게 사용해야 합니다.

6. 뇌물(뇌물)

성공한 선거와 실패한 선거는 성공적인 뇌물수수가 탈중앙화를 위협하는 직관적인 관계가 있습니다. 이 경우 다른 플레이어의 표를 얻은 주체가 이전보다 더 많은 토큰을 통제하게 됩니다. 그러나 기존의 탈중앙화 측정 방식(계정 내 토큰 분배에 기반한)은 이를 포착하지 못합니다. 뇌물을 받은 유권자는 뇌물의 지시에 따라 투표했음에도 불구하고 기술적으로 여전히 토큰을 보유하고 있기 때문입니다. 대신, VBE는 뇌물을 받은 플레이어의 효용 함수가 이제 뇌물의 예상 결과와 일치하기 때문에 뇌물을 받은 모든 플레이어를 뇌물의 투표 블록으로 묶습니다. 흥미로운 점은 거버넌스 무관심 분석의 결과와 마찬가지로, 뇌물 수수가 더 큰 투표 블록(예: 게으른 고래 블록 또는 대규모 유권자 연합)을 파괴하는 경우 뇌물 수수가 더 분산된 시스템으로 이어질 수 있다는 반직관적인 결과를 초래할 수 있다는 점입니다. 그러나 여기서는 뇌물을 받은 투표 블록이 토큰 보유량 기준으로 과반수를 차지한다고 가정하여 이러한 한계적인 경우를 무시합니다. 따라서 투표 매수 행위가 무조건 중앙 집중화를 강화하는 것은 아니지만, 탈중앙화에 실질적인 위협이 될 수 있습니다.

• 성공적인 투표 매수 행위는 체계적이어야 하며, 즉 많은 수의 토큰을 포함해야 하고 시스템이 고도로 탈중앙화된 경우에만 일어날 수 있습니다. 직관적으로, DAO가 고도로 중앙화된 경우 뇌물을 받는 사람은 소수의 대규모 플레이어와 직접 협력하여 선거 결과를 보장할 수 있으며, 뇌물을 받는 사람 자체가 고래(많은 수의 토큰을 보유)인 경우 소수의 소규모 플레이어에게만 뇌물을 주어 성공적인 공격을 실행하기에 충분한 토큰을 축적하면 됩니다. 반대로 탈중앙화된 시스템에서는 플레이어가 더 작기 때문에 뇌물 제공자가 선거에서 승리하려면 공격 규모를 늘려야 합니다. 즉, 이 경우 성공적인 뇌물공여를 위해서는 여러 소규모 플레이어 간의 대규모 협력이 필요합니다.

7. 정사각형 모금(쿼드러매틱 투표, QV)

QV는 고래의 힘을 줄이려고 시도하지만, 의도치 않게 투표 매수 영향력을 증폭시킬 수 있습니다.

• 커뮤니티에 인센티브가 없는 '작은 플레이어'가 충분하다면, 투표 매수자는 '작은 플레이어'의 영향력을 증폭시키기 때문에 훨씬 적은 비용으로 선거 결과를 조작할 수 있습니다.

마녀 공격 위험: 시스템에 실제 인증이 없는 경우, 고래는 여러 계정에 토큰을 분산하여 고래에 대한 QV의 영향력 패널티를 우회하여 총 투표 가중치를 높일 수 있습니다. 이는 탈중앙화를 효과적으로 약화시킵니다.

VBE를 사용하면 QV의 숨겨진 투표 블록을 식별하여 탈중앙화된 거버넌스의 정도를 보다 정확하게 평가할 수 있습니다.

VBE의 한계

1. 비교 문제: VBE는 프레임워크입니다. 서로 다른 VBE 인스턴스 또는 변형 간의 결과를 직접 비교할 수 없습니다. 따라서 탈중앙화 정도 변화를 분석하려면 동일한 VBE 매개변수 하에서 평가해야 합니다.

2. VBECe,min의 한계: 가장 큰 투표 블록을 선호하고 작은 투표 블록의 기여도는 무시합니다. 이는 다양한 시나리오에서 덜 포괄적인 결과를 초래할 수 있으며, 다른 엔트로피 지표(예: 섀넌 엔트로피)가 더 완전한 관점을 제공할 수 있습니다.

3. 클러스터링 메트릭의 엄격성: 현재의 ϵ-TOC 클러스터링 방법은 완벽하게 일관된 선거 행동만 고려하므로 너무 엄격할 수 있습니다. ϵ\epsilon, 보다 완화된 클러스터링 방법(예: 부분 일관성에 기반한 클러스터링)은 더 세밀한 분석을 제공할 수 있지만 계산 복잡성이 증가합니다.

03 다크 DAO

다크 DAO는 본질적으로 탈중앙화된 조직으로, 투표와 의사결정 과정을 방해함으로써 다른 DAO의 투표 및 의사결정 과정을 방해하는 것을 목표로 합니다. 이미 구축된 탈중앙화 자격 증명 시스템을 (전복)하기 위한 의사 결정 과정, 앞서 중앙화된 시나리오에서 악의적인 행위는 거대한 고래들이 협력하는 형태로 이루어지며, DAO가 탈중앙화될수록 (대기업의) 뇌물 수수 비용이 상승하고 뇌물 제공자들이 더 많은 사용자를 더 많은 사용자를 표적으로 삼아야 하며, 따라서 다크 DAO의 위협이 증가합니다.

일반 DAO와 마찬가지로 다크 DAO는 '신뢰 최소화'를 목표로 설계되었습니다. 즉, 뇌물 제공자가 동의한 자격 증명에 접근할 수 있는 경우에만 뇌물을 지급하는 등 뇌물의 '공정성'을 보장합니다. 또한, 다크 DAO는 '불투명'하므로 참여 과정이 비공개입니다.

다음 세 가지 주요 특성이 있습니다:

1. 불투명: 다크 DAO 참여자는 체인 상의 다른 자격증명 보유자와 구별할 수 없으며, 참여 규모와 규모, 체인 상의 자격증명 보유자 수를 구분할 수 없습니다. 보유자와 구별할 수 없으며, 참여자의 규모와 수는 완전히 숨겨져 있습니다.

2. 공정한 교환: 뇌물 지급은 조건부입니다. 뇌물 제공자가 뇌물을 받는 사람의 지지를 얻는 데 성공한 경우에만 뇌물을 받을 수 있습니다.

3. 제한된 범위: 다크 DAO에 참여하는 뇌물 수령자는 약속된 자격 증명과 사전 합의된 비용 외에는 다크 DAO에 어떠한 자원도 제공하지 않습니다. (예를 들어, 뇌물 수령자는 일반적인 거래 비용도 지불해야 할 수 있습니다.)

다크 DAO의 목표

다크 DAO의 목표는 목표 DAO의 투표 결정을 교란하는 것입니다. 이를 달성하는 주요 방법은 다음과 같습니다.

1. 투표 매수

다크 DAO는 예를 들어 토큰 보유자에게 특정 결과에 투표하도록 유도합니다.

결과가 달성된 후 지급되거나 총 투표 수에 따라 고정적으로 지급되는 등 조건부 지급이 가능합니다.

토큰 가중치 투표가 손상될 수 있을 뿐만 아니라, 키나 신원 인증 정보를 사용하여 투표를 매수함으로써 Gitcoin Passport나 Worldcoin과 같은 '1인 1표' 시스템도 악용될 수 있습니다.

예를 들어, 다크 DAO는 결과를 바꾼 핵심 투표자에게만 큰 보상을 지급하고 다른 참여자에게는 아주 적은 비용으로 투표 결과를 바꾸는 '중추적인' 뇌물 전략을 통해 투표 매수 비용을 획기적으로 줄일 수 있습니다.

2. 조직적인 가격 조작

다크 DAO는 단순히 뇌물 배포에만 국한되지 않습니다. 뇌물뿐만 아니라 집단 행동을 통해 참여자들에게 간접적으로 보상을 제공하기도 합니다.

예를 들어:

• 참여자들이 공동으로 목표 자산에 숏 포지션을 설정합니다.

• . 투표를 통해 자산 가격 하락을 유도한 결과

• 수익을 내고 포지션을 청산한 후 수익금을 분배합니다.

이 접근 방식은 합의 프로토콜 공격이나 시장 조작으로도 확장될 수 있습니다.

3. 선거 무결성에 대한 인식 약화

• 다크 다크 DAOO는 최초의 사례입니다. 왼쪽;">다크 DAO의 존재 자체가 DAO 선거에 대한 의구심을 불러일으킬 수 있습니다.

• 다크 DAO의 참여가 제한되어 있더라도 그 규모를 숨기거나 참여 사실을 선별적으로 공개(예: 최소 10%의 토큰 보유)함으로써 선거에 대한 커뮤니티의 신뢰에 영향을 미칠 수 있습니다.

4. 쿼드 투표 및 쿼드 펀딩 악용

• 4. p style="text-align: 왼쪽;">다크 DAO는 주소 분할을 사용하여 QV 제한을 우회할 수 있습니다. 예를 들어, 토큰을 여러 주소에 분산시켜 투표 가중치를 높이는 것입니다.

• 탈중앙화된 인증 시스템을 사용하더라도 다크 DAO는 다른 사용자에게 토큰을 '일시적으로 분배'하고 투표 행동을 제어함으로써 결과를 조작할 수 있습니다.

• QF에서도 비슷한 수법을 사용하여 자금 분배를 조작할 수 있습니다.

5. 프라이버시 풀의 파괴

• 프라이버시 풀은 개인정보 보호와 규정 준수의 균형을 맞추도록 설계되었습니다. 풀은 프라이버시와 컴플라이언스의 균형을 맞추도록 설계되었지만, 다크 다오는 신원 거래를 통해 이 메커니즘을 약화시킬 수 있습니다.

• 예를 들어, 규정을 준수하는 사용자가 다크 DAO를 통해 규정을 준수하는 신원을 대여하여 비준수 사용자가 자금 세탁이나 제재 회피를 위해 자신의 주소를 일시적으로 사용할 수 있도록 할 수 있습니다.

• 다른 한편, 다크 DAO는 주소가 최소 잔액을 유지하도록 하여 프라이버시 풀의 약화나 해체를 제한하는 등 프라이버시 풀의 보안을 역으로 강화하는 데에도 사용될 수 있습니다.

확장: 다크 DAO 인스턴스를 위한 프레임워크

(다크 DAO 인스턴스를 위한 프레임워크에 대한 섹션은 원본 문서의 마지막에 있습니다). 기본 다크 다오와 7. 다크 다오 라이트에 대한 자세한 내용은 논문 마지막에 있습니다)

Github_DarkDao

https:// github.com/DAO-Decentralisation/dark-dao

이 다크 DAO 프레임워크는 웹3 기술을 활용하여 완전한 익명성 속에서 복잡한 거래와 조정을 완료하는 방법을 보여줍니다.

• 티켓 구매 외에도 다크 DAO 프레임워크는 더 복잡한 시장 조작과 개인정보 관리 요구사항에 맞게 조정할 수 있습니다. 예를 들어, 사용자는 이 프레임워크를 가격 조작에 사용하여 집단 행동 목표(예: 자산 공매도)와 결과 중심 보상 규칙을 설정함으로써 간접적인 시장 수익성을 확보할 수 있습니다. 또한, 이 프레임워크는 개인정보 풀링 공격에 사용되어 규정을 준수하는 신원을 대여하고 개인정보 보호와 규정을 준수하는 균형을 간접적으로 무너뜨리는 데 도움이 될 수 있습니다.

이 백서는 또한 다크 DAO의 완전한 익명성을 제한된 익명성으로 줄여 탈신뢰 협업 과정을 간소화하는 더 가벼운 다크 DAO 라이트 변형을 제안하며, 다크 DAO 라이트는 다음과 같은 탈중앙화 인증 시스템을 통해 신뢰할 수 있는 협업을 만드는 데 사용할 수 있습니다. 깃코인 패스포트 또는 월드코인)와 영지식 증명을 결합하여 각 사용자의 투표가 공정하게 집계되도록 보장하면서 제한된 개인 정보 보호를 달성합니다. 이러한 설계는 구현 비용이 적게 들고, 더 교묘하고, 더 유연하며, 탐지 및 방지하기가 더 어려운 공격을 가능하게 합니다.

따라서 다크 다오와 라이트 버전은 모두 비공개적이며 탈중앙화 시스템에 치명적인 위협을 가할 수 있을 만큼 효율적입니다. 예를 들면:

• 거버넌스 투명성 약화: 다크 DAO는 특히 그 규모와 목표가 불명확한 경우 거버넌스 과정에 대한 대중의 신뢰를 약화시킬 수 있습니다.

• 시스템 취약성: 다크 다오의 기술적 복잡성은 악의적인 스마트 컨트랙트를 통해 규칙이나 할당 메커니즘을 조작하는 등 프로토콜 자체의 공격 표면을 증가시킵니다.

04 VBE로 DAO 관찰

이전 섹션에서는 다크 DAO와 관련된 VBE 메트릭의 특징을 설명했으며, 다음은 VBE 메트릭을 사용하여 DAO를 관찰하는 방법에 대한 예시입니다. 애플리케이션인 DAO oVBE 대시보드에 대한 자세한 내용은 다음과 같습니다.

https://public.tableau.com/app/profile/daovbe/viz/ DAOoVBE대시보드/투표 블록 엔트로피 개요

개요: 투표-블록 엔트로피 개요

개요: 투표 블록 홈 페이지의 개요에서 이 대시보드에는 27개 DAO의 VBE 데이터가 오른쪽 차트에 정렬된 것을 볼 수 있습니다: 엔트로피 개요

엔트로피 개요

. style="text-align:가운데">

대시보드 개요에서 다음 8개의 매개변수를 볼 수 있습니다.

1. < strong>AVG(VBE): 전체 통계 기간 동안의 VBE 값의 평균입니다. (VBE 매개변수의 DAO 간 비교에 대한 IC3 공식 참고 사항)

2. SUM(평균 참여율): 투표에 참여한 토큰 보유자 비율의 평균을 합산한 값입니다. 투표의 전반적인 활동과 참여도를 측정하는 데 사용됩니다.

3. 합계(투표자당 평균 투표수): 투표의 투표 집중도를 측정하는 데 사용되는 전체 투표자의 평균 투표수 합계입니다.

4. SUM(Briberable Proposals): 조작 가능성이 있는 모든 제안의 합계로, 부패의 잠재적 위험을 측정하는 데 사용됩니다.

5. AVG(최대 클러스터 %): 모든 투표에서 가장 큰 투표 블록의 평균입니다. 이 지표는 투표 블록의 집중도를 반영하며, 수치가 높을수록 투표 집중도가 높다는 것을 나타냅니다.

6. AGG(매수할 중간 투표자 수): 투표 결과에 영향을 미치기 위해 '매수'해야 하는 매수할 중간 투표자 수를 집계한 값입니다.

7. CNT(Proposal): DAO의 총 제안 수입니다.

8. SUM(고유 투표자): 집계 기간 동안 모든 투표의 가중치가 제거된 후 모든 독립 투표자의 합으로, 참여자의 다양성과 DAO 거버넌스의 범위를 측정하는 지표로 사용됩니다.

목록에서 특정 파라미터를 더블 클릭하면 해당 데이터가 어떻게 변화하고 DAO 간에 비교되는지 관찰할 수 있는 세부 정보도 열립니다.

< img src="https://img.foresightnews.pro/202412/4e62e5b5295af1897541b49e393646fe.png?x-oss-process=style/scale70">

< img src="https://img.foresightnews.pro/202412/1d11cd348383646d50ab87febe1176ba.png?x-oss-process=style/scale70">

DAO 페이징 세부 정보

페이징 세부 정보에서 다음을 수행할 수 있습니다. 각 DAO의 세부 정보를 볼 수 있으며, 왼쪽 상단의 차트에는 통계 기간 동안 각 시간대에 대한 VBE 값과 최대 투표 클러스터의 백분율이 표시됩니다.

선 그래프에서 특정 시점을 클릭하면 오른쪽 상단에는 해당 기간의 제안 카테고리 비교가, 오른쪽 하단에는 해당 기간의 투표 클러스터 개요가, 왼쪽 하단에는 해당 기간의 제안에 대한 세부 정보가 표시됩니다.

• DAO 간의 VBE 비교는 기본 데이터 세트의 차이에 주의해야 하지만, 동일한 DAO 내의 VBE 변경과 투표 클러스터 변경은 해당 DAO의 탈중앙화 정도 추세를 보다 직관적으로 분석할 수 있는 방법입니다.

05 VBE와 DAO의 교차 확장

VBE의 프레임워크와 VBE의 DAO 분석에서 얻은 추론과 함께, 의미 있는 탈중앙화를 수행하거나 개선하려는 DAO를 찾는 데 사용할 수 있는 여러 구체적인 지침 원칙이 있습니다. 구체적인 원칙은 다음과 같습니다.

확장적 사고를 위한 주제

VBE는 투표 블록의 엔트로피를 측정하여 DAO의 탈중앙화 정도를 평가합니다. 실제로 VBE는 블록을 식별하기 위해 원하는 클러스터링 방법과 엔트로피의 정의와 결합할 수 있는 유연한 프레임워크입니다.

이 백서 말미에 제기된 미해결 질문은 다음과 같습니다:

• 개인정보 보호 및 데이터 수집:

투표자의 개인정보를 보호하면서 VBE 평가를 용이하게 하기 위해 충분한 데이터를 수집하는 방법은 아직 미해결 과제입니다.

• DAO의 포크와 탈출 메커니즘:

DAO는 치명적인 실패를 경험할 수 있으며, 이를 연구하는 방법은 무엇입니까? 포크와 탈중앙화 메커니즘의 사용이 탈중앙화에 미치는 영향은 중요한 문제입니다.

• VBE가 DAO 의사결정에 미치는 영향:

커뮤니티 성장, 참여, 재무 성과와 높은 VBE 가치가 연관되어 있나요? 성과와 관련이 있나요? 그리고 이것이 비블록체인 환경에서의 민주적 참여와 어떤 관련이 있는지는 향후 연구할 가치가 있는 분야입니다.

06 학습 요약

VBE는 DAO의 탈중앙화 개념을 심층적으로 탐구하고, 투표 행위 이면의 이익 연합과 중앙화 정도에 초점을 맞춰 탈중앙화의 본질을 정량화하는 새로운 시각을 제시합니다. 탈중앙화의 본질을 분석합니다.

우리는 DAO를 사랑하며, 계속해서 성장하기를 바랍니다. 이 백서에서는 다크 DAO를 별도로 길게 다루고 있으며, 히든 오더와 마찬가지로 다크 DAO는 다른 DAO의 거버넌스 모델에 지속적이고 의심의 여지가 없는 영향을 미쳤습니다. 다크 DAO의 존재는 피할 수 없을 뿐만 아니라 거버넌스 생태계의 미래를 형성하는 데 중요한 요소가 될 것입니다. 따라서 DAO 구축자들은 다크 디오의 관점에서 자신을 바라보고, 다크 디오의 사고와 기술을 배우고, 공존할 수 있는 전략을 모색하여 보다 강력하고 포용적인 거버넌스 시스템을 구축해야 합니다.