人工智能的快速发展正在让生成逼真的虚假身份、自动化账户和合成的在线活动变得更加容易。对于按参与度分配奖励的区块链网络而言，这带来了日益增长的挑战。

X 上 @PiWeb3Army 分享的一则近期讨论指出，Pi Network 的 KYC 流程旨在应对参与型区块链生态中最重要的威胁之一：Sybil 攻击。

Sybil 攻击是指一个个人或实体创建大量虚假身份或账户，以不公平地获取网络收益。

根据该讨论，Pi Network 的应对方式依赖多层身份验证，包括政府签发的身份证明、实时生物识别自拍，以及结合人工智能筛查与人工验证者的审核流程。

这种做法旨在让大规模创建虚假账户变得更困难、成本更高。

为什么虚假账户正在成为更严重的问题

互联网长期以来一直面临虚假身份、自动化账户和欺诈活动等问题。

然而，人工智能正在改变创建逼真虚假身份的经济成本。

AI 系统可以生成看起来很真实的面孔、制作合成图像，并以过去更难实现的规模自动化在线交互。

对于奖励参与度的网络来说，这会形成严重的滥用激励。

如果一个系统允许一人创建数百甚至数千个账户，该个人可能会获得不成比例的奖励份额。

网络表面上可能拥有庞大的用户群，但其中大量活动实际上由少数实体控制，而不是来自成千上万的真实参与者。

这就是 Sybil 攻击的基本问题。

什么是 Sybil 攻击？

Sybil 攻击发生在攻击者创建多个身份，并将其伪装成彼此独立的参与者。

其目标通常是获得原本只向合法用户开放的影响力、奖励或访问权限。

在加密货币生态中，其后果可能尤为显著。

如果奖励是根据参与网络的账户数量进行分配，虚假账户就会稀释真实用户获得的奖励。

问题不只是网络中的用户数量不准确。

更大的担忧在于，人工身份会扭曲经济利益的分配。

一个拥有 100 万真实参与者的网络，与一个只有 100,000 名真实参与者、但有 900,000 个账户由更小群体控制的网络，本质上截然不同。

正因如此，对于采用参与式机制的区块链项目而言，身份验证可能变得非常重要。

AI 降低了创建虚假身份的成本

@PiWeb3Army 提出的核心观点之一是，创建逼真虚假身份的成本已经下降。

AI 生成的人脸足以通过基本的人工视觉检查。

利用越来越复杂的工具，合成文件也有可能被制作出来。

自动化系统还可以在网站和应用中模仿类人行为。

这意味着，主要依赖用户名、密码或简单账户验证的旧式安全系统，可能不足以应对复杂滥用。

攻击者未必需要手动操作每一个账户。

自动化可以让大量账户同时执行相似动作。

对于任何奖励参与度的网络而言，这都会形成将欺诈活动自动化的激励。

Pi Network 采用多层验证

该讨论将 Pi Network 的 KYC 方法描述为结构化方案，而非依赖单一验证方式。

流程包括政府签发的身份证件、实时生物识别自拍，以及结合 AI 筛查和人工验证者的审核。

每个环节都针对验证问题的不同部分。

政府身份证明可提供申请人与真实世界身份相联系的证据。

实时生物识别自拍通过要求本人在验证过程中展示其在场状态，增加了另一层保障。

二者结合，使攻击者更难仅依赖伪造文件或静态图像。

人工复核则增加了另一层评估。

系统无需完全依赖自动化软件，而是可以将人工验证者纳入流程。

为什么人工验证仍然重要

人工智能可以快速处理大量信息，但自动化系统也会面临复杂的绕过尝试。

当自动化系统遇到异常或可能可疑的情况时，人工复核可以提供额外的审查层级。

这形成了多层方法。

系统不只是判断一份文件是否看起来真实，而是会综合判断身份证件、生物识别信息和验证行为是否彼此一致。

目标并不一定是让欺诈完全不可能发生。

没有任何身份验证系统能够保证每一次欺诈尝试都会失败。

其目标是提高大规模滥用的成本和难度。

这一点很重要。

如果创建成千上万的欺诈账户变得昂贵、耗时且难以自动化，攻击者的经济动机就可能被削弱。

KYC 为机器人农场设置了更高门槛

大规模欺诈操作在很大程度上依赖效率。

控制成千上万账户的攻击者需要以低成本、重复性地创建身份。

如果每个账户都需要多个验证步骤，扩张这类操作的成本就会增加。

当网络奖励可能让欺诈参与在财务上具有吸引力时，这一点尤其重要。

讨论中描述的 Pi Network 方法，正试图建立这种门槛。

政府 ID 要求将账户与现实身份建立联系。

实时生物识别检查使基于图像的简单冒充更难实现。

AI 筛查有助于识别可疑模式，而人工验证者则提供额外审查。

这些机制合在一起，使大规模自动化比单纯生成用户名和密码更困难。

一人一身份的重要性

对于参与型加密货币网络而言，在个人与账户之间建立可靠关系至关重要。

如果一个人可以自由创建数百个账户，奖励分配就很难被公平衡量。

一人一身份的做法正是为了减少这一问题。

其目标是让每个已验证参与者都代表一个真实个人，而不是由单一操作者控制的一组人工账户。

用户在完成 KYC 时可能需要提供敏感个人信息，因此负责任的数据处理和安全是此类系统的重要组成部分。

KYC 不只是合规问题

KYC，即了解你的客户，通常与金融监管和中心化机构相关联。

但在 Pi Network 的语境中，身份验证也具有网络安全层面的意义。

其目标不仅是识别用户。

还在于降低单一实体通过虚假账户放大其参与度的可能性。

这使 KYC 与奖励分配以及网络用户基础的可信度密切相关。

如果参与数据因虚假账户而严重失真，经济激励也会随之失真。

可访问性与安全性的权衡

更强的验证必然会带来额外摩擦。

需要提交身份证明、完成生物识别检查并等待审核的用户，步骤会比创建普通社交媒体账户的人更多。

这会使注册过程更慢。

不过，降低验证要求也会带来另一种风险。

如果创建多个账户变得极其容易，攻击者就可能大规模利用系统。

因此，Pi Network 需要在可访问性与安全性之间取得平衡。

AI 与 KYC 将持续演进

人工智能与身份验证之间的竞争，恐怕不会以某一种技术方案告终。

随着 AI 在生成合成身份方面变得更强，密码货币验证系统也需要随之演进。

检测方法可能需要识别越来越复杂的模仿真实用户的尝试。

这会形成持续的安全循环。

攻击者寻找更便宜的方式创建逼真身份，而网络则开发更强的机制来检测并阻止滥用。

Pi Network 将文件验证、生物识别、自动筛查与人工复核结合起来，代表了应对此问题的一种方法。

这一方案能否长期有效，将取决于技术双方如何发展。

作者：Victoria Hale，科技与区块链撰稿人

Victoria Hale 撰写有关区块链技术、数字基础设施以及新兴技术与金融交叉领域的内容。她的文章关注新的协议和系统如何塑造不断演变的数字经济。她在向普通读者解释技术发展时，重视清晰性与准确性。