【实战4.2】社区驱动的女巫猎人机制：举报、仲裁与激励

实战项目 4.2：社区驱动的女巫猎人机制

项目信息

项目编号：4.2
所属方向：反女巫检测
难度：⭐⭐⭐⭐ 高级
预计时间：4-5小时
前置技能：女巫评分（实战4.1）、DAO治理（Day 61-63）

---

项目目标

设计一套社区参与的女巫检测机制，平衡效率、公平和激励

产出清单：
├── ✅ LayerZero Sybil 案例分析
├── ✅ 争议解决机制设计
└── ✅ 女巫审核系统 PRD

---

Task 1：LayerZero Sybil 猎人案例分析

机制复盘

LayerZero 女巫审查全流程（2024.05-06）
═══════════════════════════════════════════════════════════

Phase 1：自首窗口（2周）
├── 女巫用户可自首 → 获 15% 空投份额
├── 自首条件：承认多号 + 提供所有关联地址
├── 结果：~803K 地址自首
└── 设计动机：降低审查工作量 + 给诚实的人出路

Phase 2：社区举报（1个月）
├── 任何人可提交举报报告
├── 举报格式：地址列表 + 证据 + 分析方法
├── 成功举报奖励：被举报者空投的 10%
├── 虚假举报惩罚：无（这是个问题）
└── 结果：收到 3,500+ 份举报报告，涉及 ~500 万地址

Phase 3：团队终审（2周）
├── LayerZero 团队审核所有举报
├── 逐份验证证据质量
├── 最终裁定名单
└── 结果：~128 万地址合格（从 600 万筛到 128 万）

Phase 4：空投分发
├── 合格地址按积分获得 ZRO
├── 人均 $50-500（远低于社区预期）
└── 大量社区不满
═══════════════════════════════════════════════════════════

成功与失败分析

核心教训

5 个 PM 级别的教训：
═══════════════════════════════════════════════════════════

1. 自首机制 = 最高 ROI 的反女巫策略
   80 万地址自首 vs 花数月人工审查
   → 给"诚实退出"一条路比"严格惩罚"更有效

2. 社区举报需要结构化
   3500 份报告但格式各异、证据标准不统一
   → 需要标准化举报模板和证据要求

3. 没有申诉 = 没有公平
   被误杀的用户无有效申诉渠道
   → 必须设计清晰的申诉流程和仲裁机制

4. 举报激励需要对称惩罚
   举报成功有奖但虚假举报无罚
   → 导致大量低质量垃圾举报

5. 过程透明度 = 社区信任
   团队终审是黑箱 → 无论结果如何社区都不信
   → 需要可验证的审查过程
═══════════════════════════════════════════════════════════

---

Task 2：争议解决机制设计

三层争议解决架构

层级 1：自动裁决（处理 70% 案件）
═══════════════════════════════════════════════════════════
├── 触发条件：风险评分 > 80 或 < 20
├── 处理方式：自动通过/拒绝
├── 申诉权：均可申诉进入层级 2
└── 处理时间：即时

层级 2：同行评审（处理 25% 案件）
═══════════════════════════════════════════════════════════
├── 触发条件：风险评分 31-80 或 层级 1 申诉
├── 处理方式：随机抽取 5 名"审核员"独立判定
├── 判定规则：3/5 多数决
├── 审核员要求：持有 veMOMO + 历史审核准确率 > 80%
├── 审核员激励：每次审核获 50 MOMO
├── 错误审核惩罚：准确率 < 60% → 取消审核资格
└── 处理时间：48 小时内

层级 3：仲裁委员会（处理 5% 案件）
═══════════════════════════════════════════════════════════
├── 触发条件：层级 2 中 3:2 分裂判决 或 二次申诉
├── 处理方式：7 人仲裁委员会（DAO 选举）
├── 判定规则：5/7 超级多数
├── 透明度：所有判决公开发布（含理由）
├── 先例效力：建立判例库，指导未来裁决
└── 处理时间：1 周内

举报流程设计

标准化举报流程：

Step 1：提交举报
├── 必填：被举报地址列表（最少 5 个）
├── 必填：关联证据类型（资金来源/时间同步/行为序列）
├── 必填：证据数据（Dune 查询链接 / 截图）
├── 选填：分析方法说明
└── 质押：举报者质押 100 MOMO（防垃圾举报）

Step 2：初审（自动化）
├── 验证地址格式和数量
├── 运行自动评分系统
├── 与已知数据库交叉比对
└── 生成初审报告

Step 3：评审
├── 进入同行评审或仲裁流程
├── 举报者和被举报者均可提供补充证据
└── 限时 48 小时/1 周

Step 4：裁决
├── 举报成功 → 获被举报者空投的 10% + 退还质押
├── 举报失败 → 失去质押的 50%
├── 证据不足 → 退还质押，不奖不罚
└── 恶意举报（伪造证据）→ 失去全部质押 + 黑名单

---

Task 3：女巫审核系统 PRD

PRD：Sybil Review System

产品名称：MomoGuard — 社区女巫审核系统
目标用户：空投候选人、女巫猎人、审核委员会
核心目标：在空投前完成女巫过滤，误杀率 < 5%，覆盖率 > 85%

用户角色与权限

核心页面

Page 1：风险评分查询
├── 输入钱包地址 → 显示风险评分和分项明细
├── 各项得分可视化（雷达图）
├── "我不是女巫"申诉入口
└── Gitcoin Passport 验证入口（降低评分）

Page 2：举报提交
├── 批量输入地址
├── 选择证据类型（下拉）
├── 上传证据（Dune 链接/截图）
├── 质押 MOMO
└── 提交预览和确认

Page 3：审核面板（审核员专属）
├── 待审核案件队列
├── 举报详情 + 证据展示
├── 自动评分参考
├── 投票：女巫 / 非女巫 / 证据不足
└── 历史审核准确率统计

Page 4：仲裁公告
├── 所有终审判决公开
├── 判决理由和证据摘要
├── 先例库检索
└── 社区讨论区

成功指标

---

面试题准备

Q: 如何设计一个社区驱动的女巫检测机制？

30 秒版本： 三阶段设计 — (1) 自首窗口：给女巫诚实退出的通道，获 15% 空投，大幅降低审查量（LayerZero 经验：80 万地址自首）；(2) 结构化举报：标准模板+质押担保+对称惩罚，防止垃圾举报；(3) 三层仲裁：自动裁决处理 70%，同行评审处理 25%，仲裁委员会终审 5%。核心：最大的教训是必须有申诉通道，误杀一个真实用户的负面影响 > 漏过十个女巫。

---

下一步

完成本项目后，推荐继续：

• 项目 4.3：基于图分析的女巫检测