Token Curated Registries The New Search?

I registri curati tramite token forniscono un meccanismo di mercato per la curatela dei contenuti che potrebbe integrare i servizi di curatela centralizzati. In questo caso i token sono utilizzati come incentivi economici per curare gli elenchi, o classificare le informazioni contenute in un elenco, compreso il feed di contenuti in un social network o algoritmi di raccomandazione per le piattaforme di e-commerce.

Elenchi e registri si sono rivelati strumenti utili per organizzare, classificare e condividere informazioni. Usiamo elenchi per i nostri processi decisionali quotidiani, come "migliori libri", "migliori ristoranti", "migliori università", "token su cui investire", "migliori film", "migliori film classici", "migliori film horror", "migliori prodotti valutati di una certa categoria di una piattaforma e-commerce", "miglior hotel economico o di lusso in una regione". Questi elenchi o registri possono essere privati o pubblici, e di solito sono gestiti centralmente. Si possono usare whitelist o blacklist per filtrare le informazioni rilevanti. Qualsiasi giornale e rivista è anche una lista curata di informazioni rilevanti. Che si tratti di notizie quotidiane o di una rivista di moda, il contenuto di queste pubblicazioni è accuratamente selezionato e ordinato, evidenziando le informazioni più importanti in copertina e nelle prime pagine, piuttosto che a metà o alla fine. Tale filtraggio è il risultato di un processo di curatela di terzi, che è utile perché i lettori stessi risparmiano molto tempo nella ricerca e nel filtraggio delle informazioni. Il processo di curatela è esternalizzato ai redattori, dei quali si ha fiducia che operino con diligenza.

Quando si è affermata la rete Internet tali elenchi, classifiche o servizi di raccomandazione sono diventati più importanti. Internet ha ridotto radicalmente i costi di pubblicazione e condivisione delle informazioni. Di conseguenza, è diventato difficile filtrare informazioni significative da tutto il rumore online. Le prime liste online erano siti web che raccoglievano e ordinavano informazioni da altri siti web per aiutare gli utenti a cercare in rete informazioni rilevanti. I primi "motori di ricerca" erano creati manualmente da persone che venivano pagate per classificare i contenuti online come i libri negli scaffali delle biblioteche, ma questo processo non era scalabile. L'enorme carico di informazioni ha innescato una nuova forma di creazione di liste pubbliche applicando (i) algoritmi di apprendimento automatico e (ii) meccanismi di "saggezza della folla" per derivare liste e classifiche significative. Google è stato uno dei primi motori di ricerca a introdurre la ricerca algoritmica, e Tripadvisor ha introdotto soluzioni di "saggezza della folla" per produrre un elenco di "migliori hotel della regione", aggregando una collezione di raccomandazioni personali. Tale curatela di terzi, sia pubblica o privata, algoritmica o basata sulla saggezza della folla, è incline alla censura e alla manipolazione, in quanto gestita centralmente.

Gli utenti dei servizi online devono fidarsi che la piattaforma internet che fornisce tali servizi di curatela agisca onestamente, e sperare che il gusto del curatore per i ristoranti o gli alberghi si allinei bene con i propri. Nelle liste gestite privatamente, il proprietario della lista può aggiungere o rimuovere arbitrariamente elementi o richiedere pagamenti alle persone che vogliono essere elencate. I metodi di classificazione sono spesso non rivelati, possono essere truccati, o potrebbero non coincidere con il gusto o il giudizio degli utenti. Le liste pubbliche come Tripadvisor possono anche essere manipolate da un carico di utenti pseudonimi che spammano la lista, eseguono valutazioni false, o influenzano in modo "social" la lista. Per mitigare questi problemi delle liste curate collettivamente, vengono spesso nominati moderatori di liste semicentralizzate per intervenire manualmente, introducendo un punto di centralizzazione che non scala facilmente. Facebook, per esempio, esternalizza la maggior parte della sua moderazione manuale di content curation in paesi a basso reddito come le Filippine per risparmiare sui costi.

I metodi dei fornitori di servizi di curatela e raccomandazione di terze parti sono, per la maggior parte, non rivelati, con il risultato di scarsa trasparenza degli algoritmi di filtraggio. I compiti di curatela includono il mantenimento di whitelist o blacklist, la gestione di feed di dati, il filtraggio dei commenti o la fornitura di raccomandazioni specifiche per il contesto. Gli algoritmi di apprendimento automatico derivano i loro suggerimenti correlando i dati utente personalizzati con i dati statistici del comportamento di tutti gli altri utenti. Piattaforme di e-commerce come eBay o Amazon utilizzano l'apprendimento automatico per classificare i risultati di ricerca, e una volta selezionato un articolo di vostra scelta, suggeriscono altri prodotti che potrebbero essere rilevanti per voi. I servizi di streaming video come Netflix usano il machine learning per suggerire film che potrebbero essere interessanti per te, mentre le piattaforme musicali come Soundcloud o Spotify suggeriscono playlist musicali che potrebbero piacerti. Le piattaforme di social media come Twitter, Facebook o Instagram usano il machine learning per classificare i post e gli annunci nel tuo feed di dati. Tuttavia, solo una manciata di aziende controlla il processo di curatela dei motori di ricerca, delle reti di social media e di altri servizi digitali che usiamo quotidianamente.

Come funzionano i TCR

I Token Curated Registries (TCR) sono un meccanismo di mercato introdotto da Mike Goldin per curare collettivamente le liste in assenza di coordinamento da parte di terzi. I token forniscono un incentivo economico per curare le liste che hanno valore per i consumatori. Le transazioni sono regolate e liquidate autonomamente da un ledger distribuito. I TCR sono progettati per rappresentare un bene pubblico: chiunque può partecipare.

Prerequisiti: Per creare un TCR, si deve (i) definire uno scopo per la lista, (ii) un token nativo, e (iii) un meccanismo di governance che assicuri che tutti i possessori di token siano incentivati a mantenere una lista di alta qualità.

Stakeholder: (i) i candidati forniscono contenuti per la lista, (ii) i consumatori usano la lista e (iii) i curatori gestiscono collettivamente la qualità della lista (titolari di token).

Processo: I candidati devono depositare una certa quantità di token per candidarsi alla lista. Ogni possessore di token può partecipare al processo di curatela, e ha un certo tempo per esprimere un voto sul fatto che la proposta del candidato debba essere inclusa o meno nella lista. Se si ritiene che la candidatura debba essere esclusa, è possibile contestarne la pubblicazione. Per farlo è necessario depositare una certa quantità di token in uno smart contract, bloccando una parte della quota di rete (stake). Una volta che una sfida è stata avviata, tutti gli altri possessori di token possono votare puntando anch'essi parte dei loro token. Se alla fine del periodo di voto la domanda viene respinta dalla maggioranza dei possessori di token, il deposito del candidato viene diviso tra lo sfidante e tutti gli altri possessori di token che hanno votato per respingere la domanda. In caso contrario, l'elemento proposto dal candidato viene aggiunto al registro, e lo smart contract distribuisce il deposito dello sfidante tra il richiedente e tutti i possessori di token che hanno votato per accettare la pubblicazione. Si consiglia che i TCR dividano il processo di voto in due fasi, la fase di commit e la fase di reveal. I risultati sono trasmessi apertamente solo dopo che la fase di commit è stata completata per evitare "attacchi di coordinamento", dove un curatore potrebbe avere influenza sul processo di voto di altri curatori. I token sono bloccati nella fase di commit e sbloccati durante la fase di reveal.

Token: I token sono progettati per essere trasferibili e fungibili (i token sono progettati per essere tutti uguali). Si presume che ogni lista abbia bisogno del proprio token per dare un segnale affidabile della qualità della lista e del valore della rete. Il prezzo di un token è il risultato della domanda e dell'offerta, e come tale, si presume sia un indicatore di performance per le azioni collettive di tutti i suoi possessori. Se un TCR accettasse un token non nativo come mezzo di pagamento, come BTC o ETH, la performance collettiva dei detentori di token non rifletterebbe la performance della lista e quindi i meccanismi di incentivo economico non funzionerebbero.

Progetto del Meccanismo: Il meccanismo di incentivazione deve allineare gli incentivi in modo da assicurarsi che sia conveniente per i possessori di token votare sinceramente, e che non sia conveniente imbrogliare il sistema. I candidati che credono di essere rifiutati non si candidano, altrimenti perderebbero i loro token. I detentori di token, d'altra parte, potrebbero teoricamente rifiutare ogni candidato, ma questo si scontrerebbe con il loro interesse ad aumentare il valore dei loro token. Una lista vuota non è interessante per nessuno. La redditività e la qualità di tutte le parti interessate devono essere ben allineate, in modo che possano essere prodotti elenchi obiettivi e di alta qualità.

Assunzioni di Progetto: Il concetto di un TCR si basa sul presupposto che un libero mercato per le inserzioni potrebbe potenzialmente fornire un meccanismo migliore per la cura della qualità degli elenchi rispetto alle liste gestite centralmente e ai feed di dati. Si presume anche che gli attori economici vogliano massimizzare i loro profitti e agire razionalmente in ogni momento. Si presume che i candidati abbiano interesse a essere inclusi nel registro per scopi pubblicitari, e che siano disposti a pagare una tariffa per l'inserimento, dato che il posizionamento in tale lista serve come convalida della qualità dei loro servizi. I curatori, che hanno anche uno "stake" nella rete sotto forma di token, ricaverebbero di più da liste ben curate con molta trazione, e quindi hanno un incentivo a curare la lista in modo veritiero. Il voto dei possessori di token è proporzionale al numero di token che possiedono, o stake. I diritti di voto proporzionali si basano sull'idea che coloro che hanno in gioco somme maggiori sono più incentivati ad agire nel migliore interesse della rete. I consumatori, d'altra parte, cercano informazioni di alta qualità e usano le liste per prendere decisioni. Se la qualità dell'elenco è buona, i consumatori saranno interessati a consultare l'elenco, il che renderà più attraente per i candidati chiedere di esservi inseriti e rafforza l'economia generale di quel registro.

Vettori di Attacco

Il modello economico associato a un registro deve essere progettato in modo da tenere conto di tutti i possibili vettori di attacco. Ne sono stati identificati diversi, come "trolling", "attacchi di folli", "avvelenamento del registro" o "coin flipping". Una soluzione a ciascuno di questi potenziali attacchi deve riflettersi nelle regole di governance del TCR per garantire elenchi di alta qualità.

I cosiddetti Troll potrebbero cercare di aggiungere contenuti alla lista che non soddisfano i criteri della lista. Il "trolling" avviene anche sulle attuali piattaforme Web2, come Amazon, dove aggiungere recensioni non costa nulla, tranne i costi di scrittura della recensione. Come soluzione, il meccanismo deve essere progettato in modo da rendere costoso per un troll aggiungere inserzioni di bassa qualità. Un esempio di meccanismo di questo tipo è il fatto di perdere la quota di iscrizione depositata. Ma anche se la tassa di iscrizione è abbastanza alta per la maggior parte degli utenti, un aggressore con motivi non economici, o un aggressore con molti fondi a disposizione, potrebbe ancora essere in grado di inondare il sistema con inserzioni non rilevanti. Si potrebbe aumentare il deposito minimo, ma questo potrebbe escludere i candidati idonei ma che hanno pochi fondi a disposizione per richiedere un annuncio, creando così una barriera economica di ingresso nel sistema.

L’avvelenamento del registro si riferisce al problema che accade a un annuncio - che una volta è stato accettato per buone ragioni - quando la qualità dei servizi corrispondenti diminuisce in modo da non soddisfare più i requisiti dell'annuncio stesso. Il meccanismo deve essere progettato in modo da incentivare i possessori di token a trovare e contestare le inserzioni che "avvelenano" il registro.

Free riding: Fenomeno che indica la sitazione nella quale i possessori di token decidono di utilizzare semplicemente il sistema senza partecipare attivamente a nessuno dei processi di voto, sperando che gli altri possessori di token mantengano la qualità della lista e quindi anche il valore delle loro partecipazioni in token.

Coin flipping: Non ci sono penalità dirette per chi prende decisioni sbagliate, solo quelle indirette a lungo termine che potrebbero riflettersi nel prezzo del token una volta che la qualità della lista si abbassasse in modo significativo. Un possessore di token che massimizza il profitto potrebbe trovare più razionale a breve termine dare un voto casuale (lancio della moneta o coin flipping) invece di investire il tempo per fare valutazioni razionali. Si presume che una certa distribuzione dei voti tra "coin flippers" e "possessori di token sinceri" possa mantenere l'integrità della lista nonostante questo comportamento, ma se troppi curatori decidono di aggirare il sistema "lanciando la moneta", la qualità della lista potrebbe essere compromessa.

Attacco dei folli: Questo si riferisce ad un potenziale tentativo di manipolazione di qualcuno che potrebbe avere una ragione economica per minare la qualità della lista, spendendo una grande quantità di fondi per inondare il registro con inserzioni di bassa qualità (attacco del 51%). Il meccanismo deve essere progettato in modo da rendere costoso un attacco del 51%. Tuttavia, dati i potenziali problemi di "free-rider", è probabile che solo una minoranza di possessori di token partecipi attivamente al voto a favore e contro le proposte, il che significa che, in realtà, gli attacchi dei folli potrebbero in realtà essere meno costosi di un teorico attacco del 51% di tutti i possessori di token.

L’attacco di tipo Vote Memeing (mimare il voto) si riferisce al fatto che alcuni possessori di token potrebbero copiare il comportamento del gruppo nell'interesse di essere sempre nel blocco di voto della maggioranza, quindi essere dalla parte vincente e guadagnare sempre token. Per evitare questo, sono stati introdotti schemi di commit-reveal per assicurarsi che i voti degli altri siano rivelati solo dopo la fine del periodo di voto.

Considerazioni critiche sui TCR

I Token Curated Registries potrebbero essere davvero rivoluzionari se riuscissero a fornire un'alternativa resistente alla manipolazione ai servizi di curatela centralizzati. Tuttavia, i critici sostengono che i TCR che usano i voti pesati utilizzando i token (i) non possono fornire una curatela sfumata, (ii) non possono sostituire i sistemi di reputazione soggettiva, e (iii) hanno un problema con la dimensione di "economia minima". Essi sostengono che la sola partecipazione in un sistema con uno "stake" non è sufficiente a costruire una curatela di qualità, poiché i possessori di token sono più propensi a massimizzare i profitti a breve termine, dato che possono vendere i loro token in qualsiasi momento e uscire dal sistema, il che è dannoso per la qualità collettiva del registro nel lungo periodo. Inoltre, qualsiasi TCR avrà bisogno di una dimensione minima del mercato per resistere ai tentativi di manipolazione, il che significa che le nuove liste hanno un problema simile a quello dell'uovo e della gallina. Inoltre, i consumatori non saranno interessati a un registro piccolo o mezzo vuoto, e i candidati non saranno interessati a fare domanda in un registro che non è visitato da nessuno. Un altro problema è che i TCR non sono utili per tutti i tipi di registro. Bulkin, per esempio, è un critico schietto e distingue tra "TCR soggettivi" e "TCR oggettivi". Secondo lui, un TCR può avere successo solo se (i) esiste una risposta oggettiva alla domanda dell'elenco e se (ii) la risposta è pubblicamente osservabile, come la temperatura dell'aria in una certa area geografica.

Bulkin critica che il voto basato sui token non si traduce necessariamente in una curatela di qualità superiore per le liste soggettive, ed è inoltre contaminato da asimmetrie di potere tra piccoli e grandi possessori di token, soprattutto se i token del registro possono essere acquisiti con il denaro, non con la reputazione. Per finire sul lato vincente, i possessori di token saranno probabilmente incentivati a votare per le scelte che credono saranno votate dalla maggioranza dei possessori di token, o da grandi possessori di token. Bulkin afferma che alle domande soggettive non è possibile dare risposte accurate usando un meccanismo oggettivo, come proposto da Goldin. Le liste che sono inclini a gusti o opinioni soggettive hanno bisogno di un segnale di coordinamento più forte, il che richiederebbe un insieme ben definito di curatori con valori ben allineati. In una tale configurazione, è importante fidarsi delle persone che curano le informazioni e capire le loro motivazioni. Per le liste soggettive di qualità, Bulkin suggerisce che combinare i TCR con i sistemi di reputazione sociale potrebbe aggiungere il contesto necessario a un TCR. Poiché persone diverse hanno valori sociali diversi, aggiungere il contesto del valore sociale è importante nel curare certi tipi di liste. Sostiene inoltre che i punteggi di reputazione hanno maggiori probabilità rispetto alla ricchezza di essere distribuiti uniformemente, e che i TCR sono più facili da avviare quando includono un sistema di reputazione soggettiva, il che risolverebbe il problema dell'"economia minima" per rendere una lista sufficientemente attraente per gli early adopters. L'aggiunta della reputazione sociale potrebbe anche risolvere il problema della diffusione dei voti, se i cattivi attori rischiassero di perdere la loro reputazione o se gli account potessero essere messi in lista nera. Una tale configurazione potrebbe anche mitigare gli "anelli di voto" e alcuni casi di attacchi basati su acquisto di voti..

Inoltre, l'approccio di Mike Goldin non tiene conto dei possibili problemi di "free-rider", dove alcuni possessori di token potrebbero scegliere di rimanere passivi, investendo semplicemente in un token per motivi speculativi. Tali "free-rider" sperano che altri curatori votino in modo fidato, mantenendo così alta la qualità della rete. Il "free-riding" è un problema tipico dei beni pubblici (per saperne di più: Parte 4 - Token "purpose-driven"). Per risolvere questo problema, le regole di governance potrebbero essere progettate in modo che i possessori di token siano costretti a votare. Questo, tuttavia, porterà molto probabilmente al cosiddetto "vote memeing" (copiare o mimare il comportamento di voto di qualcun altro) o "coin flipping" (inserire un voto casuale per risparmiare tempo nella ricerca e nel processo decisionale), che potrebbe anche ridurre la qualità del registro nel tempo. Mentre il concetto di TCR potrebbe essere usato per rendere resistente una manipolazione decentralizzata della lista, esso non funziona senza un sistema di reputazione.

Poiché i TCR non sono ancora stati testati pubblicamente, non è chiaro quali regole di governance funzioneranno nel lungo periodo, e come impostare in modo ottimale le variabili che governano l'economia interna di un registro. Queste variabili possono variare, a seconda del tipo e dello scopo della lista, come: (i) la quantità di tempo che i possessori di token hanno per impegnare i voti in una sfida; (ii) la quantità di tempo che i possessori di token hanno per rivelare i loro voti in una sfida; e (iii) la percentuale di voti necessaria perché un certo risultato abbia effetto. Una sfida nella definizione di queste variabili potrebbe essere la quantità di tempo che i possessori di token hanno per sfidare una domanda. Se è impostata con un valore troppo alto, i detentori di token potrebbero dimenticare di esprimere i loro voti. Le modifiche ai parametri delle regole di governance dei token potrebbero essere votate in modo simile a come vengono votate le nuove candidature al registro. Per proporre un nuovo meccanismo di governance, i possessori di token potrebbero puntare ("stake") i token e sottoporre la candidatura al voto di tutti gli altri possessori di token. Le applicazioni di un nuovo meccanismo di governance potrebbero essere valutate nello stesso modo in cui vengono votate le candidature al registro, il che significa che sarebbero soggette agli stessi vettori di attacco.

Altri tipi di TCR

Sono state proposte diverse alternative su come modificare il concetto iniziale introdotto da Mike Goldin, per mitigare alcuni dei vettori di attacco descritti sopra, o per aggiungere qualità delle informazioni ad un registro. Le regole di gestione dei token delle varianti TCR menzionate di seguito non possono essere spiegate in dettaglio in questo capitolo, ma possono essere ricercate online (controllare i riferimenti alla fine del capitolo).

TCR ordinati: I TCR semplici non sono ordinati, il che significa che sono solo elenchi di voci inserite nella lista. Nei TCR ordinati i curatori non solo votano per includere o escludere un nuovo elemento, ma decidono anche la posizione di ogni voce nella lista. Ogni voce ha un “punteggio” esclusivo, il che significa che due voci non possono avere lo stesso punteggio. Il numero di voci può essere limitato o illimitato.

TCR classificati: semplice variazione dei TCR ordinati nella quale due inserzioni possono avere lo stesso punteggio di reputazione. Le inserzioni possono avere lo stesso "ranking" e non occupano un indice unico. Danno un segnale migliore sulla gamma qualitativa di un annuncio.

TCR stratificati: registri più completi, poiché introducono diversi livelli di accettazione. In un primo turno di qualificazione, un elemento della lista potrebbe essere qualificato attraverso alcune regole predefinite, e dovrebbe soddisfare alcuni criteri aggiuntivi per qualificarsi per il livello successivo. Questo meccanismo potrebbe essere utile per costruire una gerarchia più sofisticata, permettendo una maggiore diversità o soggettività. Un tale approccio potrebbe aumentare la qualità complessiva di una lista.

TCR annidati: elenchi nei quali le voci hanno puntatori ad altri elenchi. I TCR annidati possono essere usati per riflettere le relazioni tra elementi classificati in un elenco e loro "repliche" classificate in un altro elenco.

TCR combinatoriali registri che ci consentono di visualizzare una sequenza di elementi in una unica voce dell’elenco. I possessori di token possono definire collettivamente gli insiemi accettabili, i range e i parametri.

I Registri Curati mediante Token Continui combinano modelli di token continui con i TCR per creare un mercato liquido per la curatela. Invece di generare e pre-vendere token in un momento specifico, i token sono coniati secondo una curva algoritmica predeterminata. Il valore del registro è una funzione dell'utilità della lista e del fatto che possa agire come un naturale "punto di Schelling". Un punto di Schelling, in questo contesto, si riferisce a una lista sulla quale la maggior parte degli utenti sarebbe d'accordo in assenza di comunicazione. I TCR continui sono utili per riflettere la coda lunga della categorizzazione che non era possibile o fattibile prima.

Mentre la proposta classica dei TCR potrebbe avere casi d'uso limitati, l'emergere di proposte più complesse e sofisticate è un fenomeno interessante da seguire. Sempre più progetti stanno iniziando a implementare aspetti di varie proposte di TCR nel progetto del loro token. “Relevant” sta costruendo un protocollo di reputazione che combina criteri soggettivi con i TCR. Vogliono usarlo per costruire un lettore di notizie sociali resistente alle fake news, usando metriche qualitative supportate da token, valutando la qualità rispetto ai click. Altri esempi di progetti che usano i TCR nel progetto dei loro token sono “AdChain,” “Distric0x,” e “Messari.”

Riassunto del capitolo

Le liste online e i motori di raccomandazione usano (i) algoritmi di apprendimento automatico e (ii) meccanismi di "saggezza della folla" per derivare liste, classifiche e raccomandazioni significative. Tali elenchi o registri possono essere privati o pubblici e di solito sono gestiti centralmente. Le whitelist o le blacklist sono usate per filtrare le informazioni rilevanti e fanno risparmiare agli utenti il tempo di ricercare e filtrare le informazioni da soli. La curatela eseguita da terze parti, tuttavia, è incline alla censura e alla manipolazione, poiché gestita centralmente.

I compiti di curatela comportano la gestione e il mantenimento dei feed di dati, il filtraggio dei commenti o la fornitura di raccomandazioni specifiche per il contesto. Gli algoritmi di apprendimento automatico derivano i loro suggerimenti correlando i dati utente personalizzati con i dati statistici del comportamento di tutti gli altri utenti. I metodi usati sono, per la maggior parte, non divulgati, con il risultato di algoritmi di filtraggio poco trasparenti.

I registri curati tramite token (Token Curated Registries o TCR) forniscono un meccanismo di mercato tokenizzato per curare collettivamente elenchi in assenza di coordinamento da parte di terzi e di gestione centralizzata delle liste. I token sono usati come incentivi economici per eseguire i compiti di curatela. Le transazioni sono regolate e liquidate autonomamente da un ledger distribuito.

I TCR sono concepiti per rappresentare un bene pubblico: chiunque può partecipare. Per creare un TCR, è necessario (i) definire uno scopo per la lista, (ii) un token nativo e (iii) un meccanismo di governance che assicuri che tutti i possessori di token siano incentivati a mantenere una lista di alta qualità.

Le parti interessate (stakeholder) sono (i) i candidati che forniscono contenuti per la lista, (ii) i consumatori che usano la lista, e (iii) i curatori che gestiscono collettivamente la qualità della lista (possessori di token).

I candidati devono depositare una certa quantità di token per candidarsi alla lista. Ogni possessore di token può partecipare al processo di curatela, e ha un certo tempo per esprimere un voto relativamente al fatto che una proposta debba essere o meno inclusa nella lista. Per farlo occorre eseguire un deposito di una certa quantità di token in uno smart contract, bloccando una parte della loro quota di rete (stake).

Se alla fine del periodo di voto la candidatura viene respinta dalla maggioranza dei detentori di token, la quota (stake) depositata dal candidato viene divisa tra lo sfidante e tutti gli altri detentori di token che hanno votato per respingere la candidatura. In caso contrario, la lista del candidato viene aggiunta al registro, e lo smart contract distribuisce il deposito dello sfidante tra il richiedente e tutti i possessori di token che hanno votato per accettare la lista.

In questo modo i candidati che credono che la loro proposta sia rifiutata non si candidano, altrimenti perderebbero i loro token. I detentori di token, d'altra parte, potrebbero teoricamente rifiutare ogni candidato, ma questo si scontrerebbe con il loro interesse ad aumentare il valore dei loro token. Una lista vuota non è interessante per nessuno. La redditività e la qualità di tutte le parti interessate devono essere ben allineate, in modo che possano essere prodotte liste obiettive e di alta qualità.

Il prezzo di un token è il risultato dell'incontro tra domanda e offerta, e come tale si presume sia un indicatore di performance per le azioni collettive di tutti i possessori di token. Se un TCR accettasse un token non nativo come mezzo di pagamento, la performance collettiva dei possessori di token non rifletterebbe la performance del registro e conseguentemente i meccanismi di incentivo economico non funzionerebbero.

Il voto dei possessori di token è proporzionale al numero di token che essi possiedono, o stake. I diritti di voto proporzionali si basano sull'idea che coloro che hanno un valore maggiore in gioco sono più incentivati ad agire nel migliore interesse della rete.

Sono stati identificati diversi vettori di attacco, come il "trolling", gli "attacchi dei folli", l'"avvelenamento del registro" o il "coin flipping". Per garantire una curatela di alta qualità è necessario che le regole di governance del TCR riflettano una soluzione a ciascuno di questi potenziali attacchi.

Il TCR può avere successo solo se (i) viene fornita una risposta oggettiva alla richiesta nell'elenco e se (ii) la risposta è osservabile pubblicamente. A domande soggettive non è possibile rispondere accuratamente con un meccanismo oggettivo. Le liste che sono inclini a gusti o opinioni soggettive hanno bisogno di un segnale di coordinamento più forte, il che richiederebbe un insieme ben definito di curatori con valori ben allineati. La combinazione dei TCR con i sistemi di reputazione sociale potrebbe aggiungere il contesto necessario a un TCR e risolvere questo problema, e mitigare alcuni vettori di attacco dei TCR classici.

Proposte alternative ai TCR oggettivi e soggettivi sono: (i) TCR ordinati, (ii) TCR classificati, (iii) TCR stratificati, (iv) TCR annidati, (v) TCR combinatoriali, o (vi) Registri Curati con Token Continui. Essi mitigano alcuni dei vettori di attacco descritti sopra, o aggiungono qualità alle informazioni nel registro. Le rispettive regole di governance dei token sono variegate.

Riferimenti e approfondimenti

• Balasanov, Slava: “TCR Design Flaws: Why Blockchain Needs Reputation”, Jul 12, 2018: https://blog.relevant.community/tcr-design-flaws-why-blockchain-needs-reputation-c5771d97b210
• Bulkin, Aleksandr: “Curate This: Token Curated Registries That Don’t Work”, Apr 12, 2018: https://blog.coinfund.io/curate-this-token-curated-registries-that-dont-work-d76370b77150
• De la Rouviere, Simon: “Continuous Token-Curated Registries: The Infinity of Lists”, Oct 21, 2017: https://medium.com/@simondlr/continuous-token-curated-registries-the-infinity-of-lists-69024c9eb70d
• De la Rouviere, Simon: “City Walls & Bo-Taoshi: Exploring the Power of Token-Curated Registries”, Oct 9, 2017: https://medium.com/@simondlr/city-walls-bo-taoshi-exploring-the-power-of-token- curated-registries-588f208c17d5
• De Jonghe, Dimitri: “Curated Governance with Stake Machines”, Dec 4, 2017: https://medium.com/@DimitriDeJonghe/curated-governance-with-stake-machines-8ae290a709b4
• Gajek, Sebastian: “Graded Token-Curated Decisions with Up-/Downvoting — Designing Cryptoeconomic Ranking and Reputation Systems”, Apr 30, 2018: https://medium.com/coinmonks/graded-token-curated-decisions-with-up-downvoting-designing-cryptoeconomic-ranking-and-2ce7c000bb51
• Goldin, Mike: “Token-Curated Registries 1.0”, ConsenSys: https://docs.google.com/document/d/1BWWC -Kmso9b7yCI_R7ysoGFIT9D_sfjH3axQsmB6E/edit
• Goldin, Mike: “Token Curated Registries 1.1, 2.0 TCRs, new theory, and dev updates”, Dec 4, 2017: https://medium.com/@ilovebagels/token-curated-registries-1-1-2-0-tcrs-new-theory-and-dev-updates-34c9f079f33d
• Goldin, Mike: “Token-Curated Registries 1.0”, Sep 14, 2017: https://medium.com/@ilovebagels/token-curated-registries-1-0-61a232f8dac7 https://medium.com/@tokencuratedregistry/the-token-curated-registry-whitepaper-bd2fb29299d
• Goldin, Mike: “Mike’s Cryptosystems Manifesto #4”, https://github.com/kleros/kleros-papers/issues/4
• Gibson, Kyle: “3 Questions About Community Building for TCRs”, Mar 16, 2018: https://medium.com/tokenreport/questions-about-community-building-for-tcrs-d666b70ad3a7
• Lockyer, Matt:“Token Curated Registry (TCR) Design Patterns”, May 21, 2018: https://hackernoon.com/token-curated-registry-tcr-design-patterns-4de6d18efa15
• N.N.: “LTCR (Layered TCR)”: http://tokenengineering.net/ltcr
• McConaghy, Trent: “The Layered TCR”, May 1, 2018: https://blog.oceanprotocol.com/the-layered-tcr-56cc5b4cdc45
• Praver, Moshe: “Subjective vs. Objective TCRs”, Jun 27, 2018: https://medium.com/coinmonks/subjective-vs-objective-tcrs-a21f5d848553
• Adchain: https://adchain.com/
• District: https://district0x.io/
• Messari: https://messari.io/
• Relevant: https://relevant.community