AgentValve 协议通过信任图容量机制限制无许可 AI 市场中 Sybil 攻击导致的支付风险

该论文提出 AgentValve 协议，旨在解决无许可 AI 市场中智能体自动支付时面临的 Sybil 攻击问题，即敌对者通过创建廉价身份和伪造反馈来操纵声誉并导致客户遭受无限财务损失。AgentValve 构建了一个信任网络，将声誉表示为有向图中的有限容量，并通过具有足够可用容量的信任路径来授权支付。智能合约原子性地预留支持每笔被接纳支付的容量，从而将诚实智能体的支付暴露量限制为其向敌对区域延伸的容量，使得在敌对区域内完全创建身份或交互无法增加这一上限。

实验评估使用了六个月的以太坊数据和合成工作负载，结果显示在高达 10,000 个合成 Sybil 身份和选定攻击者的攻击下，支付暴露量和容量消耗均保持有界。为了限制恶意发送者耗尽容量，该协议结合了支付支持的容量创建和有界路由长度，防止攻击者在不承担相应支付成本的情况下耗尽诚实容量。此外，Witness-commit 机制将路由验证简化为线性工作，且每笔被接纳支付仅需常数级持久状态，相比基线方案降低了最高 40.8% 的准入成本，常见支付的 admission 成本约为 0.04 至 0.21 美元。

事实层面，该研究定义了基于图容量的支付授权模型，并在模拟环境中验证了其在特定攻击规模下的有效性；推断层面，该机制可能成为未来去中心化 AI 服务市场基础设施的标准组件，特别是当智能体自主交易规模扩大时；猜测层面，实际部署中链上 gas 费用的波动及复杂路由发现算法的性能表现可能影响其经济可行性，但这需要更多真实场景数据支撑。