基于 Sybil 网络的加权回归

在许多在线领域中，Sybil 网络——即单个用户假定多个身份的情况——是一个普遍存在的特征。这使实验复杂化，因为现成的回归估计量至少假设网络拓扑是已知的（如果不是完全独立的观测），而实际中的 Sybil 网络拓扑通常是未知的。文献专门关注检测 Sybil 网络的技术，导致许多实验者在估计处理效应之前完全排除可疑网络。我在这些可疑 Sybil 网络存在的情况下提出了一个更有效的解决方案：一个加权回归框架，该框架基于一组观测由单个参与者控制的概率来应用权重。我在论文中表明，最小化 MSE 的解是将权重矩阵设置为预期网络拓扑的逆矩阵。我在模拟数据上演示了该方法，然后将该技术应用于在 Sui 区块链上运行的一个存在可疑 Sybil 网络的竞赛，并表明估计的标准误差降低了 6 - 24%。