Ricerca
ReputationChain: un aggiornamento affidabile della fiducia nelle filiere basate su blockchain
La blockchain può conservare i registri delle filiere, ma l’integrità del registro, da sola, non indica se ci si possa fidare di un partecipante in una futura transazione esposta a rischi.

- arXiv
- 2608.03554
- Pubblicato
- 2026-08-04
- Autori
- Adnan Iftekhar, Chengliang Zheng, Xiaohui Cui, Mir Hassan
Abstract degli autori
La blockchain può conservare i registri delle filiere, ma l’integrità del registro, da sola, non indica se ci si possa fidare di un partecipante in una futura transazione esposta a rischi. I sistemi di reputazione esistenti si concentrano soprattutto sulle evidenze relative ai prodotti, sull’aggregazione dei giudizi su scala globale o sull’autenticità delle recensioni, prestando meno attenzione al gonfiamento della reputazione tramite interazioni bilaterali ripetute, alla molteplicità delle identità e a un decadimento ingiusto dei punteggi per i partecipanti onesti con uno storico limitato. Presentiamo \RC, un sistema per valutare l’affidabilità dei partecipanti che usa la blockchain come livello di evidenza e provenienza dei dati, non come fonte della fiducia. Gli esiti delle interazioni soggette a governance vengono convertiti in evidenze di entità limitata. Le interazioni ripetute tra gli stessi due partecipanti hanno un peso ridotto, una scarsa diversità delle controparti è penalizzata, il grado di affidabilità dell’identità fornito dalla governance pondera le evidenze positive e i punteggi decadono verso un valore iniziale neutro in funzione del volume delle interazioni verificate. La provenienza delle identità, dei contratti, degli esiti e degli aggiornamenti rimane sulla blockchain, mentre il calcolo non lineare della reputazione avviene fuori dalla blockchain e la sua ammissibilità viene verificata sulla blockchain. In simulazioni controllate con 30 esecuzioni con semi fissati e tracce di interazione corrispondenti, il modello completo riduce il guadagno collusivo medio a 0,1443, contro 0,3688 per la media ingenua delle evidenze e 0,3585 per il decadimento statico. Con dieci identità sotto il controllo di un unico soggetto, il rapporto di gonfiamento della reputazione scende a 0,8723, mentre i tre modelli di confronto restano sopra 1,08. A parità di tracce dei nuovi partecipanti, il decadimento che tiene conto del volume delle interazioni aumenta la reputazione media dei nuovi partecipanti da 0,6626 a 0,7589 e riduce il tasso di erronea attribuzione di scarsa affidabilità da 0,3633 a 0,1683. Un’analisi appaiata conferma questi miglioramenti nelle diverse esecuzioni. I risultati indicano una riduzione circoscritta della distorsione della reputazione, non la capacità di individuare gli aggressori. Prima dell’impiego in produzione sono ancora necessarie una valutazione dell’implementazione e una calibrazione basata su dati operativi.
Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.
Leggi il paper originale su arXiv