人工智慧的快速發展，使生成具說服力的假身分、自動化帳號與合成線上活動變得更加容易。對於依據參與程度分配獎勵的區塊鏈網路而言，這帶來了日益嚴峻的挑戰。

X 上 @PiWeb3Army 分享的一則最新討論指出，Pi Network 的 KYC 流程是如何設計來應對參與式區塊鏈生態系統面臨的最重要威脅之一：Sybil 攻擊。

Sybil 攻擊是指某個個人或實體建立大量假身分或帳號，以不公平地取得網路利益。

討論中所描述的 Pi Network 應對方式，依賴多層次的身分驗證，包括政府核發的身分證件、即時生物辨識自拍，以及結合人工智慧篩查與人工驗證者的審核流程。

這種方法旨在讓大規模建立假帳號變得更困難且成本更高。

為什麼假帳號正成為更大的問題

網際網路長期以來一直面臨假身分、自動化帳號與詐欺活動的問題。

然而，人工智慧正在改變生成具說服力假身分的成本結構。

AI 系統可以生成看起來逼真的臉孔、製作合成影像，並以過去更難達到的規模自動化線上互動。

對於會根據參與程度給予獎勵的網路而言，這會形成嚴重的濫用誘因。

如果系統允許一個人建立數百或數千個帳號，該人就可能取得不成比例的獎勵份額。

網路看起來像是擁有大量用戶，但實際上多數活動可能由少數實體控制，而非代表成千上萬名真實參與者。

這就是 Sybil 攻擊的基本問題。

什麼是 Sybil 攻擊？

當攻擊者建立多個身分，並將其呈現為獨立參與者時，就會發生 Sybil 攻擊。

其目的通常是取得原本只會提供給合法用戶的影響力、獎勵或存取權限。

在加密貨幣生態系統中，其後果可能尤其顯著。

如果獎勵是依據參與網路的帳號數量來分配，假帳號就可能稀釋真實用戶所獲得的獎勵。

問題不只是網路中的用戶數字不準確。

更大的問題在於，人工身分可能扭曲經濟利益的分配。

一個擁有 100 萬名真實參與者的網路，與一個只有 10 萬名真實參與者、但有 90 萬個帳號由更少數群體控制的網路，兩者本質上完全不同。

這種差異也是為什麼對採用參與式系統的區塊鏈專案來說，身分驗證可能變得很重要。

AI 降低了建立假身分的成本

@PiWeb3Army 提出的核心觀點之一是，建立具說服力假身分的成本已經下降。

AI 生成的人臉可能逼真到足以騙過基本的視覺檢查。

合成文件也可能透過日益精密的工具被製作出來。

自動化系統也可以在網站與應用程式中模仿類人行為。

這表示，主要依賴使用者名稱、密碼或簡單帳號驗證的舊式安全系統，可能不足以應對高度複雜的濫用。

攻擊者不一定需要手動操作每一個帳號。

自動化可讓大量帳號同時執行相似動作。

對任何會獎勵參與的網路而言，這都會形成自動化詐欺活動的誘因。

Pi Network 採用多層驗證

討論將 Pi Network 的 KYC 方法描述為結構化設計，而非依賴單一驗證方式。

流程包括政府核發的身分文件、即時生物辨識自拍，以及結合 AI 篩查與人工驗證者的審核。

每個組成部分都對應驗證問題的不同面向。

政府身分證明可提供申請人與現實世界身分相連結的證據。

即時生物辨識自拍則透過要求本人在驗證過程中證明其實際存在，再增加一層防護。

這樣的組合讓攻擊者更難僅靠偽造文件或靜態影像通過驗證。

人工審核再增加另一層評估。

系統不完全依賴自動化軟體，而是可以將人工驗證者納入流程。

為什麼人工驗證仍然重要

人工智慧可以快速處理大量資訊，但自動化系統也可能遭遇複雜的繞過嘗試。

當自動化系統遇到不尋常或可能可疑的情況時，人工審核可提供更高層級的檢查。

這形成多層防護方法。

系統不只是判斷文件看起來是否真實，而是會進一步檢視身分文件、生物辨識資訊與驗證行為彼此之間是否一致。

目標不一定是讓詐欺完全不可能發生。

沒有任何身分驗證系統能保證每一次詐欺嘗試都會失敗。

其目的在於提高大規模濫用的成本與難度。

這一點很重要。

如果建立數千個詐欺帳號變得昂貴、耗時且難以自動化，攻擊者的經濟誘因就會下降。

KYC 為機器人農場設下更高門檻

大規模詐欺行為高度依賴效率。

控制數千個帳號的攻擊者，需要以低成本且反覆地建立身分。

如果每個帳號都需要多個驗證步驟，擴張這類操作的成本就會提高。

當網路獎勵可能讓詐欺參與在財務上看起來具有吸引力時，這一點尤其重要。

討論中描述的 Pi Network 方法，正是試圖建立這類障礙。

政府身分證要求將帳號與現實世界身分建立連結。

即時生物辨識檢查讓單純以影像冒充變得更困難。

AI 篩查有助於辨識可疑模式，而人工驗證者則提供額外審核。

這些機制結合起來，讓大規模自動化比單純生成使用者名稱與密碼更困難。

一人一身分的重要性

對於參與式加密貨幣網路而言，建立個人與帳號之間可靠的對應關係至關重要。

如果一個人可以自由建立數百個帳號，獎勵分配就很難公平衡量。

一人一身分的做法正是試圖降低這個問題。

其目標是讓每位已驗證參與者代表真實個人，而不是由單一操作者控制的一組人工帳號。

使用者在完成 KYC 時可能需要提供敏感個人資訊，因此妥善處理資料與安全防護，是任何此類系統的重要面向。

KYC 不只是合規問題

KYC，即 Know Your Customer，通常與金融監管和中心化機構相關聯。

然而，在 Pi Network 的情境中，身分驗證也具有網路安全層面的意義。

其目的不僅是識別用戶。

同時也是降低單一實體透過假帳號放大參與度的可能性。

這使 KYC 與獎勵分配以及網路用戶基礎的可信度直接相關。

如果參與資料因假帳號而嚴重失真，經濟誘因也可能隨之扭曲。

可近用性與安全性的取捨

更強的驗證不可避免地會帶來額外摩擦。

需要提交身分證明、完成生物辨識檢查並等待審核的用戶，比起建立一般社群媒體帳號的人要多經歷更多步驟。

這可能讓註冊流程變慢。

不過，降低驗證要求也會帶來另一種風險。

如果建立多個帳號變得極為容易，攻擊者就能大規模利用系統。

因此，Pi Network 面臨的是可近用性與安全性之間的平衡。

AI 與 KYC 將持續演進

人工智慧與身分驗證之間的競爭，不太可能靠單一技術方案就結束。

隨著 AI 更擅長生成合成身分，加密貨幣驗證系統也必須隨之演進。

偵測方法可能需要辨識越來越精密的假冒合法用戶手法。

這形成一個持續進行的安全循環。

攻擊者尋找更低成本的方式來建立具說服力的身分，而網路則開發更強的機制來偵測並防止濫用。

Pi Network 結合文件驗證、生物辨識、自動化篩查與人工審核，代表了應對這個問題的一種方法。

它是否能長期維持效用，取決於技術雙方如何發展。

作者：Victoria Hale，科技與區塊鏈作者

Victoria Hale 撰寫區塊鏈技術、數位基礎設施，以及新興技術與金融交會的相關內容。她的文章探討新的協議與系統如何塑造持續演變的數位經濟。她在向一般讀者說明技術發展時，重視清晰與準確。