TIGER说：L0公开了他们自身的女巫算法，学习一下，后续避免

L0公开了他们自身的女巫算法，学习一下，后续避免。

总结：

目前女巫对抗已经上升级别了，最简单的分发，地址之间有关联早已经太简单，有大把的机构程序可以分分钟抓出来，也不作为本篇重点。
（换句话讲，你的号还有直接分发或者链上联系，你已经可以退出撸毛了）

而这篇报告主要公开了他们如何靠行为分析判定女巫的。

主要判定的几个点：

资金初始分发时间
资金初始分发金额
资金初始分发是不是同一个Dex/Cex
地址总共交互的Dapp数量
地址总的交互行为模式是否一致

他们会根据算法对每一种行为的一致程度进行打分，然后他们可以根据自己需要的严格程度来筛选女巫。

用他们的模型实际标注了200万用户 （41%），但是他们放松了尺度，最终标注了70万名用户。

女巫选项识别的一些分类：

1. 资金来源
   选择在24小时内从相同来源接收资金的用户。
   示例：
   例如：在24小时内由FTX提币的200名LayerZero用户。
2. 资金异常
   在上述的可以200名用户中，他们的资金相同或在同一个范围。
3. 行为分析
   总的TX数类似，总的使用DAPP在一个很小范围，交互顺序类似，交互日期类似，平均跨链金额。

所有上述的行为都会被分类归集，并给出得分。
最终用Silhouette评分，比如大于>0.7的会被认为高度一致。

举例分析

例子1
用户集群都是由FTX交易所提币，提币时间全部小于15小时，提币金额以及TX数据类似。

从表里可以看出来，这批账号还是做了一定的随机处理的，金额和tx并不是完全的一致，但是由于随机范围并不大，加上提币时间集中，被认定成了女巫。

例子2
用户在15小时内从kucoin提币，发生在avax链上。每一个都交互了9个Dapp，交互金额也十分类似。

充值余额小于10刀，并且平均转账金额小于1000刀。

忍不住说几句：

这么查，真的是死一大片了。
可以预计后续zk也会有类似机制，危。

真卷!