diff --git a/cn/core-systems/reputation.mdx b/cn/core-systems/reputation.mdx index eda4d7d..ba74fe0 100644 --- a/cn/core-systems/reputation.mdx +++ b/cn/core-systems/reputation.mdx @@ -1,107 +1,167 @@ --- title: 声誉（Reputation） -description: "一种多维度信任信号，用于路由工作、加权贡献并奖励长期投入——且不暴露隐私数据。" +description: "一种多维度、透明的信任信号，用于加权贡献、奖励投入并解锁生态系统特权。" --- ## 什么是声誉 -声誉是面向身份（人或代理）的**多维度信任系统**。它捕捉你的工作**有多准确**、**他人如何验证**、你**具有什么属性**（如凭证）、以及你**有多投入**（响应、吞吐、经济质押）。协议保留**按维度的细粒度信号**，但在界面层提供简单的**分数**与**层级**用于路由与可见性。 -## 维度与信号 -声誉是**量化且多维**的。每一维度均被记录与版本化；治理设定权重以生成综合分数。 +声誉是 Codatta 网络内身份（人或代理）的**核心信任指标**。它是一个**量化分数**（范围从 0 到 100），用于捕捉你的工作**有多准确**、你的参与**有多一致**，以及你通过经济质押**有多投入**。 -- **准确性与一致性** —— 你的 CF 被验证后的结果；通过率、争议率与被推翻历史。 -- **行为可靠性** —— **投入与响应**（准时交付、评审周转）、持续吞吐与任务完成质量。 -- **背书属性** —— **第三方背书**（如执照、隶属、认证）与**协议验证**（如通过教程/测验/测试）。 -- **时新性** —— 近期活动权重更高；长期不活跃会温和衰减。 -- **质押即信心** —— 用质押支持主张；审计可提升或削减声誉。 +与不透明的"黑盒"算法不同，Codatta 的声誉系统是**完全透明和确定性的**。协议保留**按维度的细粒度信号**，但提供简单的**综合分数**用于路由、可见性和奖励计算。 + +### 为什么构建声誉 + +声誉不仅仅是一个虚荣指标；它是驱动价值分配和安全性的引擎。 + +- **对于用户（激励与特权）：** + - **直接奖励影响：** 声誉严重影响重大经济事件，例如在**代币生成事件（TGE）**期间的加权，或确定**积分到代币转换**的汇率。 + - **VIP 访问（"Alpha" 状态）：** 类似于币安的 Alpha 积分或航空公司 VIP 等级，高声誉可解锁系统特权——例如更高的推荐奖励上限、优先访问高收益任务，或更低的服务费用。 +- **对于平台（安全与质量）：** + - **Sybil 抵抗：** 它为恶意行为者创造了成本障碍。 + - **质量过滤：** 它区分认真的贡献者和垃圾信息发送者。 + - **惩罚机制：** 它提供了快速惩罚恶意行为的工具（例如，因数据投毒而降低分数）。 + +### 声誉的作用（功能） + +除了分数本身，声誉在 Codatta 架构中作为功能层： + +- **加权贡献。** 在**数据组装**中，来自高声誉身份的原子贡献获得**更多权重**。这允许降低审查法定人数，并为受信任用户提供更高的纳入优先级。 +- **治理所有权。** 根据**版税引擎**的定义，更高声誉的贡献者可能为同等贡献类型获得**更大份额的所有权分数**。 +- **访问控制。** 某些高价值任务或敏感数据验证角色由**声誉层级**控制。 + +## 计算框架 + +声誉分数是**动态的**，根据用户操作和时间窗口（例如，滚动 180 天）进行更新。它由四个正向维度和一个负向惩罚维度组成。 + +### 总分数公式 + +``` +Reputation = 0.1 × R_Login + + 0.15 × R_Identity + + 0.2 × R_Staking + + 0.55 × R_Contribution + - R_Malicious_Behavior +``` -协议**保留原始的按维度信号**，以便模型迭代；UI 展示清晰的层级与分数带。我们保持模型版本透明、可审计。 +**透明性原则：** 计算逻辑是开放的。每次变更都映射到记录的事件，模型确保**相同事件 + 相同模型 = 相同声誉**。 -### 影响声誉的样例事件 +### 身份（R_Identity） + +**权重：** 15% | **验证"人性"与可联系性** + +此维度通过验证用户可在多个平台上联系且唯一来促进 Sybil 抵抗。 -| 事件 | 声誉影响 | -|---|---| -| 你的 CF 以高一致性通过验证 | 上升（准确性 + 一致性） | -| 你的 CF 被质疑并被推翻 | 下降（争议失利） | -| 持续准时且响应积极 | 上升（行为可靠性） | -| 你质押并通过随机审计 | 上升（信心获奖） | -| 你质押但审计失败（被削减） | 下降（信心受罚） | -| 新凭证/技能被验证 | 上升（属性加成；有上限） | -| 长期不活跃 | 温和衰减（时新性） | +``` +R_Identity = 100 × (0.05 × isEmail + 0.05 × isX + 0.05 × isTG + 0.05 × isDiscord + 0.8 × R_Others) +``` + +- **逻辑：** 用户绑定外部账户（Email、X/Twitter、Telegram、Discord）。 +- **影响：** 每次绑定为此子分数贡献 5 分。 +- **未来证明：** `R_Others` 保留用于未来集成（目前为 0），使此维度的当前有效最大值为 20（为总声誉贡献 3 分）。 + +### 登录活动（R_Login） + +**权重：** 10% | **奖励一致性与习惯** + +Codatta 奖励持续关注。此分数反映你的**日活跃使用（DAU）**习惯。 + +``` +R_Login = 100 × (daysLogged_180d / 180) +``` + +- **逻辑：** 计算你在过去 180 天内登录的天数（基于 UTC+0）。 +- **影响：** 持续每日登录确保此组件保持在 100。 + +### 质押（R_Staking） -## 声誉的作用（功能） +**权重：** 20% | **质押即信心** -- **解锁更好的工作与报酬。** 更高声誉**解锁更高报酬的任务**与需要质量/投入的角色。部分任务还需要**附加资格**（如职业执照、学历、领域经验）；声誉**补充**这些要求而非替代。 -- **在组装阶段加权。** 高声誉身份的原子贡献在**数据组装**中可获得**更高权重**（如更低的评审配额、更高的纳入优先级），在保证质量的同时减少冗余评审。 -- **影响所有权份额（受治理）。** 在治理约束内，更高声誉的贡献者可为等量贡献获得**更大份额**，体现信任与期望质量。具体政策见**代币化所有权证明**，并由**版税引擎**在分配时给出解释。 -- **经济投入带来提升。** 通过**质押即信心**可**增强**声誉；通过审计上升，审计失败下降。把信号与实际后果绑定。 +这允许用户"用真金白银为自己的言论负责"。它衡量对生态系统的经济投入。 + +``` +R_Staking = 100 × min(1, amountStakeXNY / 50,000) +``` + +- **逻辑：** 声誉随质押的 XNY 代币数量线性增加。 +- **汇率：** 每质押约 2,500 XNY 为你的最终总声誉分数增加 1 分。 +- **上限：** 效果在 50,000 XNY 处封顶。超过此数量的质押显示信心，但不会进一步增加声誉分数。 + +### 贡献质量（R_Contribution） + +**权重：** 55% | **核心价值驱动因素** + +这是最关键的维度。它使用**贝叶斯平滑平均**（类似于 IMDB 评分）评估你的工作质量，以确保新用户和高级用户之间的公平性。 + +``` +R_Contribution = 100 × (countAdopt_180d + (20 × 0.5)) / (countAdopt_180d + countRefused_180d + 20) +``` + +- **为什么使用贝叶斯？** 它防止拥有 1 个正确提交（100% 率）的用户人为地超过拥有 990 个正确和 10 个错误（99% 率）的老用户。 +- **参数：** + - **0.5：** 基线概率（中性起点）。 + - **20：** "置信权重"——它确定需要多少提交才能显著地将分数从基线移开。 +- **动态：** 新用户从 50 的子分数开始（为总分贡献 27.5 分）。高采用率将分数推向 100；高拒绝率将其推向 0。 + +### 惩罚（R_Malicious） + +**"锤子"机制** + +为了保护平台，恶意行为会导致严重的分数扣除。 + +``` +R_Malicious_Behavior = 100 × min(1, CountBlacklisted / 3) +``` + +- **三振出局规则：** + - **1 次：** 显著的声誉损害。 + - **3 次：** `R_Malicious` 变为 100，有效地将用户的总声誉分数清零为 0。 +- **触发条件：** 这由确认的恶意意图触发（例如，脚本攻击、故意数据投毒），而不是简单的错误。 ## 声誉如何更新（生命周期） + +声誉不是静态的。它遵循由用户事件驱动的生命周期： + ```mermaid flowchart TB - subgraph Events - CF[New CF] - VAL[Peer validations on your CF] - BEH[Behavior signals] - STAKE[You stake on a claim] - AUDIT[Random/targeted audit] - DSP[Dispute resolved] - CRED[Credential added/expired] - MORE[More] + subgraph Inputs + LOGIN[Daily Login] + BIND[Identity Binding] + STAKE[Token Staking] + WORK[Contribution & Validation] + RISK[Malicious Detection] end - CF --> U[Update reputation dimensions] - VAL --> U - BEH --> U - STAKE --> U - AUDIT --> U - DSP --> U - CRED --> U - MORE --> U - - U --> T[Reputation Score or Tier recalculation] - T --> ROUTE[Task routing & eligibility] - T --> WEIGHT[Assembly weighting hints] - T --> OWN[Ownership fraction policy governed caps] -``` + LOGIN --> CALC + BIND --> CALC + STAKE --> CALC + WORK --> CALC + RISK --> CALC -- 新 CF **起始中性**；验证结果决定分数上/下行。 -- 行为信号持续累积。 -- 质押在审计后作为**乘子**（正或负）。 -- 层级按节奏/冷却期更新，避免抖动与博弈。 + subgraph Engine + CALC[Recalculate Score Formula] + DECAY[Apply 180d Rolling Window] + end -## 安全、公平与恢复 + CALC --> SCORE[Final Reputation Score 0-100] + SCORE --> TIER[VIP Tier / Access Level] +``` -- **Sybil 与串谋抵抗：** 跨时间聚合；要求验证者多样性；对风险模式限速。 -- **冷却与衰减：** 变更按节奏应用；不活跃期间引入温和衰减以保持信号新鲜。 -- **申诉与争议：** 申诉记录在案；公平更正有助恢复。 -- **无黑箱：** 每次变更映射到记录的事件；模型与权重版本化。 +- **实时与定期：** 某些信号（如质押）立即更新，而其他信号（如贡献统计）可能按计划节奏更新。 +- **衰减：** 180 天滚动窗口确保声誉需要维护。长期不活动会导致分数的温和衰减，保持信号新鲜。 ## 隐私与披露 -- **公开：** 你的**层级**、粗略分数带与高层原因（如“高一致性”、“已验证执照”）。 -- **私有/受限：** 原始 artifact/**PII**；优先**可验证凭证**与**加密证据**而非明文。 -- **选择性披露：** 匿名凭证/零知识证明为**实验性**，可能变更。 - -## 不变量 +- **公开：** 你的**层级**和**总分数**是用于路由和排行榜的公开信号。 +- **私有：** 原始**PII 数据**（例如，在 `R_Identity` 中链接的特定 Telegram 句柄或电子邮件地址）保持加密和私有。我们尽可能使用**可验证凭证**。 +- **无黑盒：** 虽然个人数据是私有的，但你分数背后的推理不是。你始终可以准确看到你的分数是如何得出的（例如，"+30 来自质押"）。 -- **事件驱动且仅追加：** 声誉变化来自记录在案的事件；历史不被重写。 -- **由输入决定的确定性：** 相同事件 + 相同模型版本 ⇒ 相同声誉结果。 -- **最小披露：** 仅披露策略所需。 -- **可审计：** 每次变化都可追溯至相关 CF、验证或背书。 - -## 接口 - -- **Identity：** 分数归属的身份；关联的钱包/DID；已验证属性。 -- **Contribution Fingerprints：** 你的 CF 的验证与审计驱动更新。 -- **Data Assembly：** 声誉提供**加权提示**，可降低评审需求。 -- **Tokenized Ownership Proofs & Royalty Engine：** 受治理的策略可能把声誉映射到**所有权份额**并在结算时解释拆分。 -- **Access & Metering：** 层级与属性映射到策略（谁能做什么；需要多少评审）。 + +**透明性原则：** 计算逻辑完全透明。每次变更都映射到记录的事件，确保**相同事件 + 相同模型 = 相同声誉**。 + -**状态说明：** 权重、层级阈值、质押参数，以及从声誉映射到所有权的任何规则均**受治理**并可能演进。匿名凭证与 ZK 选择性披露为**实验性**，可能变更。 +**状态说明：** +权重、层级阈值、质押参数，以及从声誉到所有权的任何映射都是**受治理的**，可能会演变。180 天滚动窗口和公式参数可能通过治理进行调整，以维护系统健康性和公平性。 - - diff --git a/en/core-systems/reputation.mdx b/en/core-systems/reputation.mdx index afd7663..d4da910 100644 --- a/en/core-systems/reputation.mdx +++ b/en/core-systems/reputation.mdx @@ -1,111 +1,169 @@ --- title: Reputation -description: "A multi‑dimensional trust signal that routes work, weights contributions, and rewards commitment—without exposing private data." +description: "A multi-dimensional, transparent trust signal that weights contributions, rewards commitment, and unlocks ecosystem privileges." --- ## What is reputation -Reputation is a **multi‑dimensional trust system** for identities (humans or agents). It captures **how accurate** your work is, **how others validate** it, **which attributes you hold** (e.g., credentials), and **how committed** you are (responsiveness, throughput, economic stake). The protocol keeps **granular signals per dimension**, but presents a simple **score** and **tier** for routing and visibility. -## Dimensions & signals -Reputation is **quantitative and multi‑dimensional**. Each dimension is recorded and versioned; governance sets the weights that produce the composite score. +Reputation is the **core trust metric** for identities (humans or agents) within the Codatta network. It is a **quantitative score** (ranging from 0 to 100) that captures **how accurate** your work is, **how consistent** your participation is, and **how committed** you are through economic staking. -- **Accuracy & agreement** — outcomes of validations on your CFs; pass rate, dispute rate, and reversal history. -- **Behavioral reliability** — commitment and **responsiveness** (on‑time delivery, review turnaround), sustained throughput, and task completion quality. -- **Attested attributes** — **third‑party attestations** (e.g., licenses, affiliations, certifications) provided by human participants or trusted registries, and **protocol‑verified** checks (e.g., passing tutorials/quizzes/tests). -- **Recency** — fresh activity counts more; long inactivity decays gently. -- **Staking‑as‑confidence** — backing claims with stake; audits can boost or slash reputation. +Unlike opaque "black box" algorithms, Codatta's reputation system is **fully transparent and deterministic**. The protocol keeps **granular signals per dimension** but presents a simple **composite score** for routing, visibility, and reward calculation. + +### Why build reputation + +Reputation is not just a vanity metric; it is the engine that drives value distribution and security. + +- **For Users (Incentives & Privileges):** + - **Direct Reward Impact:** Reputation heavily influences significant economic events, such as weighting during **Token Generation Events (TGE)** or determining exchange rates for **Points-to-Token conversions**. + - **VIP Access (The "Alpha" Status):** Similar to Binance's Alpha Points or airline VIP tiers, high reputation unlocks system privileges—such as higher referral reward caps, priority access to high-yield tasks, or lower service fees. +- **For the Platform (Security & Quality):** + - **Sybil Resistance:** It creates a cost barrier for malicious actors. + - **Quality Filtering:** It differentiates serious contributors from spammers. + - **Punishment Mechanism:** It provides a handle to penalize malicious behavior swiftly (e.g., reducing score for data poisoning). + +### What reputation does (functions) + +Beyond the score itself, Reputation serves as a functional layer in the Codatta architecture: + +- **Weights contributions.** In **Data Assembly**, atomic contributions from high-reputation identities receive **more weight**. This allows for lower review quorums and higher inclusion priority for trusted users. +- **Governs ownership.** Higher-reputation contributors may earn a **larger share of ownership fractions** for equivalent contribution types, as defined by the **Royalty Engine**. +- **Access control.** Certain high-value tasks or sensitive data validation roles are gated by **Reputation Tiers**. + + +## The calculation framework + +The Reputation Score is **dynamic**, updated based on user actions and time windows (e.g., rolling 180 days). It is composed of four positive dimensions and one negative penalty dimension. + +### Total score formula + +``` +Reputation = 0.1 × R_Login + + 0.15 × R_Identity + + 0.2 × R_Staking + + 0.55 × R_Contribution + - R_Malicious_Behavior +``` -The protocol **retains all raw, per‑dimension signals**, so models can improve over time, while UIs show a clear tier and score band. We keep model versions transparent and auditable. +**Transparency Principle:** The calculation logic is open. Every change maps to recorded events, and the model ensures that **Same Events + Same Model = Same Reputation**. -### List of Sample Events which can impact reputation +### Identity (R_Identity) -| Event | Reputation impact | -|---|---| -| Your CF validated with high agreement | Increase (accuracy + agreement) | -| Your CF challenged and overturned | Decrease (dispute loss) | -| Consistently on‑time, responsive participation | Increase (behavioral reliability) | -| You stake and pass random audit | Increase (confidence rewarded) | -| You stake and fail audit (slashed) | Decrease (confidence penalized) | -| New credential/skill verified | Increase (attribute boost; capped) | -| Long inactivity | Gentle decay (recency) | +**Weight:** 15% | **Verifies "Humanity" & Reachability** +This dimension promotes Sybil resistance by verifying that the user is reachable and unique across multiple platforms. -## What reputation does (functions) +``` +R_Identity = 100 × (0.05 × isEmail + 0.05 × isX + 0.05 × isTG + 0.05 × isDiscord + 0.8 × R_Others) +``` -- **Unlocks better work & pay.** Higher reputation **unlocks higher‑paying tasks** and roles that expect quality and commitment. Some tasks also require **additional qualifications** (e.g., professional license, education level, domain expertise); reputation **complements** these requirements, it doesn’t replace them. -- **Weights contributions during assembly.** Atomic contributions from higher‑reputation identities can receive **more weight** in **Data Assembly** (e.g., lower review quorum, higher inclusion priority). This improves quality while reducing redundant reviews. -- **Influences ownership fractions (governed).** Within governance‑defined bounds, higher‑reputation contributors may earn a **larger share of ownership fractions** for equivalent contribution types, reflecting trust and expected quality. Exact policies live in **Tokenized Ownership Proofs** and are explained by the **Royalty Engine** during payout. -- **Boosts via economic commitment.** You can **boost** reputation through **staking‑as‑confidence**. Passing audits increases trust; failed audits decrease it. Skin‑in‑the‑game ties the signal to real consequences. +- **Logic:** Users bind external accounts (Email, X/Twitter, Telegram, Discord). +- **Impact:** Each binding contributes 5 points to this sub-score. +- **Future Proofing:** `R_Others` is reserved for future integrations (currently 0), making the current effective max for this dimension 20 (contributing 3 points to the total Reputation). +### Login activity (R_Login) -## How reputation updates (lifecycle) -```mermaid -flowchart TB - subgraph Events - CF[New CF] - VAL[Peer validations on your CF] - BEH[Behavior signals] - STAKE[You stake on a claim] - AUDIT[Random/targeted audit] - DSP[Dispute resolved] - CRED[Credential added/expired] - MORE[More] - end +**Weight:** 10% | **Rewards Consistency & Habit** + +Codatta rewards sustained attention. This score reflects your **Daily Active Usage (DAU)** habit. - CF --> U[Update reputation dimensions] - VAL --> U - BEH --> U - STAKE --> U - AUDIT --> U - DSP --> U - CRED --> U - MORE --> U - - U --> T[Reputation Score or Tier recalculation] - T --> ROUTE[Task routing & eligibility] - T --> WEIGHT[Assembly weighting hints] - T --> OWN[Ownership fraction policy governed caps] ``` +R_Login = 100 × (daysLogged_180d / 180) +``` + +- **Logic:** Calculates the number of days you have logged in over the last 180 days (based on UTC+0). +- **Impact:** Consistent daily logins ensure this component remains at 100. + +### Staking (R_Staking) -- New CFs start **neutral**; validations tilt the score up or down. -- Behavioral signals accumulate continuously. -- Staking acts as a **multiplier** (positive or negative) after audits. -- Tiers update on a schedule/cooldown to avoid flapping and gaming. +**Weight:** 20% | **Staking as Confidence** +This allows users to "put their money where their mouth is." It measures economic commitment to the ecosystem. -## Safety, fairness & recovery +``` +R_Staking = 100 × min(1, amountStakeXNY / 50,000) +``` -- **Sybil & collusion resistance:** aggregate across time; require validator diversity; rate‑limit risky patterns. -- **Cooldowns & decay:** apply changes on a schedule; introduce gentle decay during inactivity to keep the signal fresh. -- **Appeals & disputes:** appeal outcomes are recorded; fair corrections help recovery. -- **No black boxes:** every change maps to recorded events; the model and weights are versioned. +- **Logic:** Reputation increases linearly with the amount of XNY tokens staked. +- **Exchange Rate:** Every 2500 XNY staked adds 1 point to your final Total Reputation Score. +- **Cap:** The effect caps at 50,000 XNY. Staking beyond this demonstrates faith but does not further increase the Reputation score. +### Contribution quality (R_Contribution) -## Privacy & disclosure +**Weight:** 55% | **The Core Value Driver** -- **Public:** your **tier**, coarse score band, and high‑level reasons (e.g., “high agreement”, “verified license”). -- **Private/permissioned:** raw artifacts/**PII**; prefer **verifiable credentials** and **encrypted evidence** over plaintext. -- **Selective disclosure:** anonymous credentials / ZK proofs are **experimental** and may change. +This is the most critical dimension. It assesses the quality of your work using a **Bayesian Smooth Average** (similar to IMDB ratings) to ensure fairness between new users and power users. +``` +R_Contribution = 100 × (countAdopt_180d + (20 × 0.5)) / (countAdopt_180d + countRefused_180d + 20) +``` + +- **Why Bayesian?** It prevents a user with 1 correct submission (100% rate) from artificially outranking a veteran with 990 correct and 10 wrong (99% rate). +- **Parameters:** + - **0.5:** The baseline probability (neutral start). + - **20:** The "confidence weight"—it determines how many submissions are needed to significantly move the score away from the baseline. +- **Dynamics:** A new user starts with a sub-score of 50 (contributing 27.5 points to the total). High adoption rates push the score toward 100; high refusal rates push it toward 0. + +### Penalties (R_Malicious) + +**The "Hammer" Mechanism** + +To protect the platform, malicious behavior results in severe score deductions. + +``` +R_Malicious_Behavior = 100 × min(1, CountBlacklisted / 3) +``` + +- **Three-Strike Rule:** + - **1 Strike:** Significant Reputation damage. + - **3 Strikes:** `R_Malicious` becomes 100, effectively wiping out the user's Total Reputation Score to 0. +- **Triggers:** This is triggered by confirmed malicious intent (e.g., script attacks, deliberate data poisoning) rather than simple mistakes. + +## How reputation updates (lifecycle) + +Reputation is not static. It follows a lifecycle driven by user events: -## Invariants -- **Event‑driven & append‑only:** reputation changes come from recorded events; history isn’t rewritten. -- **Deterministic from inputs:** same events + same model version ⇒ same reputation outcome. -- **Minimal disclosure:** reveal only what policy requires for a decision. -- **Auditability:** each change links to underlying CFs, validations, or attestations. +```mermaid +flowchart TB + subgraph Inputs + LOGIN[Daily Login] + BIND[Identity Binding] + STAKE[Token Staking] + WORK[Contribution & Validation] + RISK[Malicious Detection] + end + + LOGIN --> CALC + BIND --> CALC + STAKE --> CALC + WORK --> CALC + RISK --> CALC + subgraph Engine + CALC[Recalculate Score Formula] + DECAY[Apply 180d Rolling Window] + end + + CALC --> SCORE[Final Reputation Score 0-100] + SCORE --> TIER[VIP Tier / Access Level] +``` -## Interfaces +- **Real-time & Periodic:** Some signals (like staking) update immediately, while others (like contribution stats) may update on a scheduled cadence. +- **Decay:** The 180-day rolling window ensures that Reputation requires maintenance. Long inactivity results in a gentle decay of the score, keeping the signal fresh. -- **Identity:** who the score belongs to; linked wallets/DIDs; verified attributes. -- **Contribution Fingerprints:** validations and audits on your CFs drive updates. -- **Data Assembly:** reputation supplies **weighting hints** and can reduce review needs. -- **Tokenized Ownership Proofs & Royalty Engine:** governed policies may map reputation to **ownership fractions** and explain splits at payout time. -- **Access & Metering:** tiers and attributes map to policy (who can do what; how much review is needed). + +## Privacy & disclosure + +- **Public:** Your **Tier** and **Total Score** are public signals used for routing and leaderboards. +- **Private:** The raw **PII data** (e.g., the specific Telegram handle or email address linked in `R_Identity`) remains encrypted and private. We use **Verifiable Credentials** where possible. +- **No Black Boxes:** While personal data is private, the reasoning behind your score is not. You can always see exactly how your score was derived (e.g., "+30 from Staking"). + + +**Transparency Principle:** The calculation logic is fully transparent. Every change maps to recorded events, ensuring that **Same Events + Same Model = Same Reputation**. + -**Status notes**: -Weights, tier thresholds, staking parameters, and any mapping from reputation to ownership are **governed** and may evolve. Anonymous credentials and ZK selective disclosure are **experimental** and could change. +**Status notes:** +Weights, tier thresholds, staking parameters, and any mapping from reputation to ownership are **governed** and may evolve. The 180-day rolling window and formula parameters may be adjusted through governance to maintain system health and fairness. \ No newline at end of file diff --git a/ko/core-systems/reputation.mdx b/ko/core-systems/reputation.mdx index c597d37..31ef5b8 100644 --- a/ko/core-systems/reputation.mdx +++ b/ko/core-systems/reputation.mdx @@ -1,107 +1,167 @@ --- title: "평판 (Reputation)" +description: "기여를 가중하고, 커밋을 보상하며, 생태계 특권을 해제하는 다차원적이고 투명한 신뢰 신호." --- ## 평판이란 -평판은 아이덴티티(사람/에이전트)를 위한 **다차원 신뢰 시스템**입니다. 당신의 작업이 **얼마나 정확한지**, **타인이 어떻게 검증했는지**, **어떤 속성을 보유하는지**(예: 자격), 그리고 **얼마나 성실히 커밋하는지**(응답성, 처리량, 경제적 스테이크)를 포착합니다. 프로토콜은 **차원별 세밀 신호**를 보존하면서, 라우팅과 가시성을 위해 단순한 **점수**와 **티어**를 제공합니다. -## 차원 & 신호 -평판은 **정량적·다차원적**입니다. 각 차원은 기록/버전 관리되며, 거버넌스가 종합 점수를 만드는 가중치를 정합니다. +평판은 Codatta 네트워크 내 아이덴티티(사람 또는 에이전트)의 **핵심 신뢰 지표**입니다. 작업이 **얼마나 정확한지**, 참여가 **얼마나 일관적인지**, 경제적 스테이킹을 통해 **얼마나 커밋하는지**를 포착하는 **정량적 점수**(0~100 범위)입니다. -- **정확도 & 합의** — 본인 CF에 대한 검증 결과; 통과율, 분쟁율, 번복 이력 -- **행동 신뢰성** — **응답성**(정시 납품, 리뷰 회전), 지속 처리량, 태스크 완료 품질 -- **보증 속성** — 사람 참여자/신뢰 레지스트리의 **제3자 증명**(라이선스/소속/인증)과 **프로토콜 검증**(튜토리얼/퀴즈/테스트 통과) -- **시신성** — 최근 활동 가중; 장기 비활성은 완만히 감소 -- **신뢰로서의 스테이킹** — 주장을 스테이크로 뒷받침; 감사는 평판을 상승/삭감 가능 +불투명한 "블랙박스" 알고리즘과 달리, Codatta의 평판 시스템은 **완전히 투명하고 결정론적**입니다. 프로토콜은 **차원별 세밀한 신호**를 유지하지만, 라우팅, 가시성 및 보상 계산을 위해 간단한 **종합 점수**를 제공합니다. + +### 평판을 구축하는 이유 + +평판은 단순한 허영 지표가 아닙니다. 가치 분배와 보안을 구동하는 엔진입니다. + +- **사용자용(인센티브 & 특권):** + - **직접 보상 영향:** 평판은 **토큰 생성 이벤트(TGE)** 중 가중치나 **포인트-토큰 변환**의 환율 결정과 같은 중요한 경제 이벤트에 큰 영향을 미칩니다. + - **VIP 액세스("Alpha" 상태):** 바이낸스의 Alpha 포인트나 항공사 VIP 등급과 유사하게, 높은 평판은 더 높은 추천 보상 상한, 고수익 작업에 대한 우선 액세스, 또는 더 낮은 서비스 수수료와 같은 시스템 특권을 해제합니다. +- **플랫폼용(보안 & 품질):** + - **시빌 저항:** 악의적인 행위자에게 비용 장벽을 만듭니다. + - **품질 필터링:** 진지한 기여자와 스팸 발송자를 구분합니다. + - **처벌 메커니즘:** 악의적인 행동을 신속하게 처벌할 수 있는 수단을 제공합니다(예: 데이터 중독에 대한 점수 감소). + +### 평판의 기능 + +점수 자체를 넘어서, 평판은 Codatta 아키텍처에서 기능적 계층으로 작동합니다: + +- **기여 가중.** **데이터 조립**에서 높은 평판 아이덴티티의 원자적 기여는 **더 큰 가중치**를 받습니다. 이를 통해 신뢰할 수 있는 사용자에 대해 더 낮은 검토 정족수와 더 높은 포함 우선순위를 허용합니다. +- **소유권 관리.** **로열티 엔진**에 정의된 대로, 더 높은 평판 기여자는 동등한 기여 유형에 대해 **더 큰 소유권 분수 지분**을 얻을 수 있습니다. +- **액세스 제어.** 특정 고가치 작업이나 민감한 데이터 검증 역할은 **평판 티어**로 제한됩니다. + +## 계산 프레임워크 + +평판 점수는 **동적**이며, 사용자 행동과 시간 창(예: 롤링 180일)을 기반으로 업데이트됩니다. 4개의 긍정적 차원과 1개의 부정적 처벌 차원으로 구성됩니다. + +### 총점 공식 + +``` +Reputation = 0.1 × R_Login + + 0.15 × R_Identity + + 0.2 × R_Staking + + 0.55 × R_Contribution + - R_Malicious_Behavior +``` -프로토콜은 **차원별 원시 신호를 모두 보존**해 시간이 지남에 따라 모델을 개선하게 하고, UI는 명확한 티어와 점수 구간을 보여줍니다. 모델 버전은 투명/감사 가능하게 유지됩니다. +**투명성 원칙:** 계산 로직은 공개됩니다. 모든 변경 사항은 기록된 이벤트에 매핑되며, 모델은 **동일한 이벤트 + 동일한 모델 = 동일한 평판**을 보장합니다. -### 평판에 영향을 줄 수 있는 예시 이벤트 +### 아이덴티티 (R_Identity) + +**가중치:** 15% | **"인간성" 및 접근성 검증** + +이 차원은 사용자가 여러 플랫폼에서 접근 가능하고 고유한지 확인하여 시빌 저항을 촉진합니다. -| Event | Reputation impact | -|---|---| -| Your CF validated with high agreement | Increase (accuracy + agreement) | -| Your CF challenged and overturned | Decrease (dispute loss) | -| Consistently on‑time, responsive participation | Increase (behavioral reliability) | -| You stake and pass random audit | Increase (confidence rewarded) | -| You stake and fail audit (slashed) | Decrease (confidence penalized) | -| New credential/skill verified | Increase (attribute boost; capped) | -| Long inactivity | Gentle decay (recency) | +``` +R_Identity = 100 × (0.05 × isEmail + 0.05 × isX + 0.05 × isTG + 0.05 × isDiscord + 0.8 × R_Others) +``` + +- **로직:** 사용자가 외부 계정(이메일, X/Twitter, Telegram, Discord)을 바인딩합니다. +- **영향:** 각 바인딩은 이 하위 점수에 5점을 기여합니다. +- **미래 대비:** `R_Others`는 향후 통합을 위해 예약되어 있으며(현재 0), 이 차원의 현재 유효 최대값은 20입니다(총 평판에 3점 기여). + +### 로그인 활동 (R_Login) + +**가중치:** 10% | **일관성 및 습관 보상** + +Codatta는 지속적인 관심을 보상합니다. 이 점수는 **일일 활성 사용(DAU)** 습관을 반영합니다. + +``` +R_Login = 100 × (daysLogged_180d / 180) +``` + +- **로직:** 지난 180일 동안 로그인한 일수를 계산합니다(UTC+0 기준). +- **영향:** 지속적인 일일 로그인은 이 구성 요소가 100을 유지하도록 보장합니다. + +### 스테이킹 (R_Staking) -## 평판의 기능 +**가중치:** 20% | **신뢰로서의 스테이킹** -- **더 나은 작업 & 보상 해금.** 높은 평판은 **더 높은 보수의 태스크**와 품질/커밋을 기대하는 역할을 엽니다. 일부 태스크는 **추가 자격**(면허, 학력, 도메인 전문성 등)을 요구하기도 하며, 평판은 이를 **보완**합니다(대체 아님). -- **조립 시 기여 가중.** 높은 평판의 아이덴티티는 **데이터 조립**에서 **더 큰 가중치**를 받을 수 있어(예: 낮은 리뷰 정족수, 높은 포함 우선순위) 품질 향상과 중복 리뷰 감소에 기여합니다. -- **소유권 분수에 영향(거버넌스).** 거버넌스 한도 내에서, 높은 평판 기여자는 동등 기여 유형에 대해 **더 큰 소유권 지분**을 받을 수 있습니다(신뢰/예상 품질 반영). 정확한 정책은 **토큰화 소유권 증명**에 있고, **로열티 엔진**이 분배 시 설명합니다. -- **경제적 커밋으로 부스트.** **스테이킹**을 통해 평판을 **부스트**할 수 있습니다. 감사 통과는 신뢰 상승; 실패는 하락. skin‑in‑the‑game으로 신호를 실제 결과에 연결합니다. +이를 통해 사용자가 "말한 대로 돈을 걸 수" 있습니다. 생태계에 대한 경제적 커밋을 측정합니다. + +``` +R_Staking = 100 × min(1, amountStakeXNY / 50,000) +``` + +- **로직:** 평판은 스테이킹된 XNY 토큰의 양에 따라 선형적으로 증가합니다. +- **환율:** 약 2,500 XNY를 스테이킹할 때마다 최종 총 평판 점수에 1점이 추가됩니다. +- **상한:** 효과는 50,000 XNY에서 상한선에 도달합니다. 이를 초과하는 스테이킹은 신뢰를 보여주지만 평판 점수를 더 이상 증가시키지 않습니다. + +### 기여 품질 (R_Contribution) + +**가중치:** 55% | **핵심 가치 동인** + +가장 중요한 차원입니다. **베이지안 평활 평균**(IMDB 등급과 유사)을 사용하여 작업 품질을 평가하여 신규 사용자와 파워 사용자 간의 공정성을 보장합니다. + +``` +R_Contribution = 100 × (countAdopt_180d + (20 × 0.5)) / (countAdopt_180d + countRefused_180d + 20) +``` + +- **베이지안을 사용하는 이유?** 1개의 올바른 제출(100% 비율)을 가진 사용자가 990개의 올바른 제출과 10개의 잘못된 제출(99% 비율)을 가진 베테랑을 인위적으로 앞서는 것을 방지합니다. +- **매개변수:** + - **0.5:** 기준 확률(중립 시작). + - **20:** "신뢰 가중치"—점수를 기준에서 크게 벗어나게 하는 데 필요한 제출 수를 결정합니다. +- **동적:** 신규 사용자는 50의 하위 점수로 시작합니다(총점에 27.5점 기여). 높은 채택률은 점수를 100으로 밀어 올리고, 높은 거부율은 0으로 밀어 냅니다. + +### 처벌 (R_Malicious) + +**"해머" 메커니즘** + +플랫폼을 보호하기 위해 악의적인 행동은 심각한 점수 공제를 초래합니다. + +``` +R_Malicious_Behavior = 100 × min(1, CountBlacklisted / 3) +``` + +- **삼진 아웃 규칙:** + - **1회:** 상당한 평판 손상. + - **3회:** `R_Malicious`가 100이 되어 사용자의 총 평판 점수를 효과적으로 0으로 만듭니다. +- **트리거:** 이것은 단순한 실수가 아닌 확인된 악의적 의도(예: 스크립트 공격, 의도적인 데이터 중독)에 의해 트리거됩니다. ## 평판 업데이트(수명주기) + +평판은 정적이 아닙니다. 사용자 이벤트에 의해 구동되는 수명주기를 따릅니다: + ```mermaid flowchart TB - subgraph Events - CF[New CF] - VAL[Peer validations on your CF] - BEH[Behavior signals] - STAKE[You stake on a claim] - AUDIT[Random/targeted audit] - DSP[Dispute resolved] - CRED[Credential added/expired] - MORE[More] + subgraph Inputs + LOGIN[Daily Login] + BIND[Identity Binding] + STAKE[Token Staking] + WORK[Contribution & Validation] + RISK[Malicious Detection] end - CF --> U[Update reputation dimensions] - VAL --> U - BEH --> U - STAKE --> U - AUDIT --> U - DSP --> U - CRED --> U - MORE --> U - - U --> T[Reputation Score or Tier recalculation] - T --> ROUTE[Task routing & eligibility] - T --> WEIGHT[Assembly weighting hints] - T --> OWN[Ownership fraction policy governed caps] -``` + LOGIN --> CALC + BIND --> CALC + STAKE --> CALC + WORK --> CALC + RISK --> CALC -- 신규 CF는 **중립**에서 시작; 검증이 점수를 상/하향시킵니다. -- 행동 신호는 지속적으로 누적됩니다. -- 스테이킹은 감사 이후 **승수**(양/음)처럼 작동합니다. -- 플래핑/게이밍 방지를 위해 일정/쿨다운에 따라 티어를 갱신합니다. + subgraph Engine + CALC[Recalculate Score Formula] + DECAY[Apply 180d Rolling Window] + end -## 안전성·공정성·회복 + CALC --> SCORE[Final Reputation Score 0-100] + SCORE --> TIER[VIP Tier / Access Level] +``` -- **시빌/담합 저항:** 시간 축으로 집계; 검증자 다양성 요구; 위험 패턴에 레이트리밋 -- **쿨다운 & 감쇠:** 일정 기반으로 변화 적용; 비활성 기간에 완만 감쇠로 신호 신선도 유지 -- **이의 제기 & 분쟁:** 이의 결과 기록; 공정한 정정은 회복에 도움 -- **블랙박스 없음:** 모든 변화는 기록된 이벤트에 매핑; 모델/가중치는 버전 관리 +- **실시간 및 주기적:** 일부 신호(스테이킹 등)는 즉시 업데이트되는 반면, 다른 신호(기여 통계 등)는 예정된 주기로 업데이트될 수 있습니다. +- **감쇠:** 180일 롤링 창은 평판이 유지 관리가 필요함을 보장합니다. 장기간 비활성은 점수의 완만한 감쇠를 초래하여 신호를 신선하게 유지합니다. ## 프라이버시 & 공개 -- **공개:** **티어**, 대략적 점수 구간, 상위 사유(예: “고합의”, “검증된 라이선스”) -- **비공개/권한부여:** 원시 아티팩트/**PII**; 평문 대신 **검증 가능한 자격/암호화 증거** 선호 -- **선택적 공개:** 익명 자격/영지식 선택 공개는 **실험적**이며 변경될 수 있음 - -## 불변 조건 +- **공개:** **티어**와 **총점**은 라우팅 및 리더보드에 사용되는 공개 신호입니다. +- **비공개:** 원시 **PII 데이터**(예: `R_Identity`에 연결된 특정 Telegram 핸들 또는 이메일 주소)는 암호화되고 비공개로 유지됩니다. 가능한 경우 **검증 가능한 자격 증명**을 사용합니다. +- **블랙박스 없음:** 개인 데이터는 비공개이지만, 점수 뒤의 추론은 그렇지 않습니다. 항상 점수가 어떻게 도출되었는지 정확히 볼 수 있습니다(예: "스테이킹에서 +30"). -- **이벤트 구동 & 추가 전용:** 평판 변화는 기록 이벤트에서 유래; 히스토리는 재작성되지 않음 -- **입력 결정성:** 동일 이벤트 + 동일 모델 버전 ⇒ 동일 평판 결과 -- **최소 공개:** 결정에 필요한 것만 공개 -- **감사 가능성:** 각 변화는 관련 CF/검증/보증에 연결 - -## 인터페이스 - -- **아이덴티티:** 점수 소유자; 연결 지갑/DID; 검증된 속성 -- **기여 지문:** 본인 CF에 대한 검증/감사가 업데이트를 유도 -- **데이터 조립:** 평판은 **가중 힌트**를 제공해 리뷰 필요를 줄일 수 있음 -- **토큰화 소유권 & 로열티 엔진:** 거버넌스 정책은 평판→**소유권 지분** 매핑과 분배 설명을 담당 -- **액세스 & 계량:** 티어/속성이 정책으로 매핑(무엇을 할 수 있고, 얼마나 리뷰가 필요한가) + +**투명성 원칙:** 계산 로직은 완전히 투명합니다. 모든 변경 사항은 기록된 이벤트에 매핑되어 **동일한 이벤트 + 동일한 모델 = 동일한 평판**을 보장합니다. + -**상태 노트**: -가중치, 티어 임계, 스테이킹 파라미터, 평판→소유권 매핑은 **거버넌스** 대상이며 진화할 수 있습니다. 익명 자격과 ZK 선택 공개는 **실험적**이며 변경될 수 있습니다. +**상태 노트:** +가중치, 티어 임계값, 스테이킹 매개변수, 평판에서 소유권으로의 매핑은 **거버넌스** 대상이며 진화할 수 있습니다. 180일 롤링 창과 공식 매개변수는 시스템 건강과 공정성을 유지하기 위해 거버넌스를 통해 조정될 수 있습니다. - -