เศรษฐศาสตร์การต้านทาน Sybil (Sybil-Resistance Economics)

ปัญหา

ระบบใดก็ตามที่ให้รางวัลแก่ผู้เข้าร่วมจะต้องป้องกัน การโจมตีแบบ Sybil (Sybil attacks) นั่นคือ ผู้ไม่หวังดีสร้างบัญชีปลอมจำนวนมากเพื่อเพิ่มส่วนแบ่งรางวัลของตน ในเกมที่ Prize Pool (กองทุนรางวัล) มีจำนวนคงที่ การทำ Sybil Farming (การทำฟาร์ม Sybil) จะโอนมูลค่าจากผู้ใช้ที่ซื่อสัตย์ไปยังผู้โจมตีโดยตรง

รูปแบบความล้มเหลวแบบพื้นฐาน

กลไก	ความล้มเหลว
หนึ่งบัญชีต่อหนึ่ง IP	ถูกหลบเลี่ยงได้ง่ายด้วย VPN และ NAT แบบหมุนเวียนของผู้ให้บริการมือถือ
Captcha ตอนสมัคร	แก้ได้ในราคา $0.0001–0.001 ต่อครั้งโดยบริการอย่าง 2Captcha
การทำ KYC (Know Your Customer) แบบเข้มงวดสำหรับผู้ใช้ทุกคน	ขับไล่ผู้ใช้กว่า 95%+ ออกไป ทำลายผลกระทบจากเครือข่าย
การวาง Stake (การวางหลักประกัน) เพื่อเล่น	กีดกันคนจน เปลี่ยนเกมที่เล่นฟรีเป็นเกมที่ต้องจ่ายเพื่อเล่น

CashPop ใช้ บันไดความน่าเชื่อถือแบบต่อเนื่อง (continuous credibility ladder) ที่มีต้นทุน Sybil ส่วนเพิ่มเพิ่มขึ้นแบบโมโนโทนิกแทน

คุณสมบัติทางเศรษฐศาสตร์

ให้ α_T แทนตัวคูณรางวัลสำหรับ Tier T (ระดับ T) ให้ C_T แทนต้นทุนส่วนเพิ่มในการสร้างบัญชีใหม่หนึ่งบัญชีที่ Tier T เรากำหนดว่า:

$$\frac{{\alpha }_{T+1}}{{\alpha }_T}<\frac{C_{T+1}}{C_T}$$

กล่าวคือ การอัปเกรดแต่ละ Tier จะเพิ่มรางวัลน้อยกว่าที่เพิ่มต้นทุน Sybil ผู้ทำ Sybil Farming อย่างมีเหตุผลจะไม่สามารถทำกำไรได้จากการปีนบันได กลยุทธ์เดียวที่สมเหตุสมผลทางเศรษฐกิจในระดับขนาดใหญ่คือการยอมรับ Tier ที่เพิ่ม ROI (ผลตอบแทนจากการลงทุน) ต่อบัญชีสูงสุดสำหรับผู้ใช้ที่ซื่อสัตย์

Trust Ladder (บันไดความไว้วางใจ) พร้อมราคา

Tier	ตัวคูณ α	ต้นทุน Sybil ส่วนเพิ่ม C	อัตราส่วน α/C
L0	0.5x	~$0	ไม่ได้กำหนด (ไม่สามารถไถ่ถอนได้)
L1	1.0x	~$1.50 (ต้นทุนค่าเสียโอกาส 6 ชม.)	0.67 / $
L2	1.2x	~$0.50 แบบแข็ง + ต้นทุน L1	0.60 / $
L3	1.4x	~$1 + ต้นทุน L2	0.45 / $
L4	1.6x	~$5/เดือน สมัครสมาชิก + L3	0.16 / $/เดือน
L5	1.8x	~$0.50–5 SIM + L4	0.18 / $
L6	2.5x	$20 KYC + L5	0.10 / $
L7	3.0x	$40 Liveness (การยืนยันตัวตนแบบมีชีวิต) + L6	0.05 / $

อัตราส่วน α/C ลดลงอย่างเคร่งครัดเมื่อ Tier สูงขึ้น ผู้ทำ Sybil Farming ที่ต้องการเพิ่มรางวัลต่อค่าใช้จ่ายสูงสุดจะ ไม่ปีนบันได อย่างมีเหตุผล — การอยู่ที่ L1 จะให้ ROI ต่อ Sybil ดีที่สุด

ข้อมูลต้นทุนบอทเชิงประจักษ์

เราวัดต้นทุนอัตลักษณ์ในตลาดมืดในช่วงต้นปี 2026:

• ซิมการ์ดเวียดนาม (ผู้ให้บริการระดับล่าง, แบบเติมเงิน): $0.30 ต่อหมายเลข
• ซิมการ์ดอินโดนีเซีย: $0.40
• ซิมการ์ดฟิลิปปินส์: $0.45
• ซิมการ์ดสหรัฐอเมริกา (ตลาดมืด): $4.20
• ซิมการ์ดสหราชอาณาจักร: $5.10
• Telegram Premium (บัญชีที่ถูกขายต่อ): $3.50/เดือน
• เอกสาร KYC (ตลาดมืด): $15–30 ต่ออัตลักษณ์
• การปลอมแปลง Liveness/เซลฟี่: $30+ ต่อครั้ง, อัตราความสำเร็จ ~40%

ราคาพื้นเหล่านี้ใช้เพื่อกำหนดตัวคูณของ Tier เมื่อตลาดมืดพัฒนาไป ตัวคูณของ Tier จะถูกปรับผ่านการกำกับดูแลของ DAO

เลขคณิต Sybil ต่อ Round (รอบ)

บัญชี L1 หนึ่งบัญชีจะได้รับประมาณ:

• 5 POP/วัน (เข้าสู่ระบบ) + 10 POP × N_rounds (การเข้าร่วม) + 20 POP × M_survived (จำนวนที่รอด)
• เซสชันเฉลี่ย: ~10 Rounds/วัน → ~250 POP/วัน (ฐาน)
• หลังจากตัวคูณภูมิภาค Tier1: ~250 POP/วัน = ~$0.10/วัน เทียบเท่า USD

เพื่อให้การทำ Sybil Farming ที่ L1 มีกำไร:

• ต้นทุนส่วนเพิ่มต่อบัญชี L1: ~$1.50 (ส่วนใหญ่เป็นต้นทุนค่าเสียโอกาสของกิจกรรม 6 ชม.)
• จุดคุ้มทุน: 15 วัน

ผู้ทำฟาร์มที่อดทนซึ่งมีแรงงานฟรี (เช่น ใช้บอทที่แยกไม่ออกจากมนุษย์ L1) จะถึงจุดคุ้มทุนในสองสัปดาห์ คะแนนชื่อเสียง (Reputation Score) และการตรวจจับความผิดปกติจะขยายเวลานี้ออกไปเป็น >30 วันสำหรับฟาร์มอัตโนมัติส่วนใหญ่ ในระดับนั้น ค่าใช้จ่ายในการดำเนินการจัดการฟาร์มจะกินส่วนต่างกำไร

การป้องกันนอกเหนือจากบันได

Trust Ladder ได้รับการเสริมด้วย:

1. การลดลงของคะแนนชื่อเสียง (Reputation Score decay): Sybil ที่ไม่มีการเคลื่อนไหวจะค่อยๆ สูญเสียตัวคูณ (δ = 0.01/วัน)
2. การตรวจจับความผิดปกติ (Anomaly detection): โมเดล ML ที่ฝึกฝนบนรูปแบบ Commit-Reveal (การ Commit-Reveal) จะตรวจจับพฤติกรรมบอทที่ประสานงานกัน บัญชีที่ถูกตั้งค่าสถานะจะได้รับโทษด้านชื่อเสียง
3. การตรวจสอบอัตราการเปิดเผย (Reveal-rate monitoring): บัญชีที่มีอัตราการเปิดเผยที่สมบูรณ์แบบอย่างไม่น่าเชื่อจะถูกตรวจสอบ
4. การตรวจสอบการกระจายทางภูมิศาสตร์ (Geographic distribution checks): ชุดซิมการ์ดเวียดนามที่เข้าสู่ระบบจาก IP รัสเซียจะถูกตั้งค่าสถานะ
5. ข้อจำกัดต่ออุปกรณ์ (Per-device limits): สูงสุด 2 บัญชีต่อลายนิ้วมืออุปกรณ์

เมื่อโมเดลล้มเหลว

โมเดลจะล้มเหลวหากต้นทุนอัตลักษณ์ในตลาดมืดลดลงต่ำกว่าราคา Tier ของโปรโตคอล เราจะตรวจสอบสิ่งนี้อย่างต่อเนื่องและปรับตัวคูณทุกไตรมาสผ่านการลงคะแนนของ DAO ระบบนี้ต้านทานความเปราะบาง (anti-fragile) ในแง่ที่ว่าแม้ความล้มเหลวโดยสมบูรณ์ของบันไดอัตลักษณ์จะลดระดับลงเป็น "รายได้จากโฆษณาที่จ่ายให้กับผู้เข้าร่วมที่ไม่เปิดเผยตัว" ซึ่งไม่ใช่หายนะ แต่เป็นเพียงความไม่มีประสิทธิภาพ

เอกสารอ้างอิง

• Douceur, J. (2002). The Sybil Attack. IPTPS.
• Buterin, V. (2014). Proof of Stake: How I Learned to Love Weak Subjectivity.
• Buterin, V. & Weyl, E.G. (2021). Decentralized Society: Finding Web3's Soul.
• Verbeek, F. & Walfish, M. (2018). Proof-of-Personhood via Pseudonym Parties.