该研究探讨了去中心化自治组织(DAO)中数字资产的多中心治理,并提供了一个理论框架,通过开发一种识别虚假身份(Sybils)的方法,解决了去中心化治理面临的关键挑战。该方法使用图深度学习技术在一个 DAO 治理数据集(snapshot.org)中识别虚假活动。具体而言,图卷积神经网络(GCNN)学习了投票行为,快速 k 均值向量聚类算法(FAISS)利用高维嵌入识别图中的相似节点。结果表明,深度学习可以有效减少 2-5% 的投票图中的虚假节点。该研究强调了去中心化自治组织中防止虚假身份的重要性,并为去中心化治理提供了一种新的视角,为未来的政策、监管和治理实践提供了指导。