中文

从被操纵信号中进行激励相容的恢复,及其在去中心化物理基础设施中的应用

计算机科学与博弈论 2025-03-11 v1 新兴技术 机器学习 理论经济学 交易与市场微观结构

摘要

我们引入了首个形式化模型,用于捕获从一方(“源”)处获取不可验证信息,而该源具有由其他参与者(“观察者”)导出的隐式信号。我们的模型部分受到去中心化物理基础设施网络(又称“DePIN”)应用的启发,这是一个新兴的应用领域,其中物理服务(例如,传感器信息、带宽或能源)至少部分由不可信且自利的参与方提供。这些信号网络应用中的一个关键挑战是验证网络参与者实际提供的服务水平。我们首先建立了一个称为源可识别性的条件,并证明这是存在一种使真实信号报告成为严格均衡的机制的必要条件。作为其逆命题,我们利用同行预测技术证明,在满足源可识别性条件的每个信号网络中,确实存在一个严格真实的机制,其中真实信号报告比任何信息量较少的均衡能带来严格更高的总预期收益。我们进一步表明,如果存在任何单个观察者无条件诚实的正概率(例如,如果观察者由网络所有者运行),则该真实均衡实际上是该机制的唯一均衡。此外,通过将我们的条件扩展到联盟,我们表明在我们考虑的设定中通常不存在抗串谋机制。我们将我们的框架和结果应用于两个 DePIN 应用:位置证明和带宽证明。在位置证明设定中,观察者获知到源的(可能被放大的)欧几里得距离。在此,我们的条件具有吸引人的几何解释,表明当且仅当保证源的位置位于观察者的凸包内时,才能真实地获取源的位置。

关键词

引用

@article{arxiv.2503.07558,
  title  = {Incentive-Compatible Recovery from Manipulated Signals, with Applications to Decentralized Physical Infrastructure},
  author = {Jason Milionis and Jens Ernstberger and Joseph Bonneau and Scott Duke Kominers and Tim Roughgarden},
  journal= {arXiv preprint arXiv:2503.07558},
  year   = {2025}
}