Meguri Phase 2 シミュレーション結果レポート

✅ Stage 3 最終推奨パラメータ

κ 減価加速0.5

θ 異常閾値0.35

β softmin0.5

Bloom 間隔7日

Grace Period14日

D軸不使用（Phase 2）

🔬 DoE L16（16実験）で探索

κ・θ・β・Bloom間隔の4因子を各2水準、合計16実験で評価。フルグリッドサーチ（576通り）の97%を削減しながら主効果・交互作用を推定。

📊 Stage 2 ベースライン（デフォルトパラメータ κ=1.0, θ=0.3）

Sybil ROI（Scenario A, k=10）

0.645

目標 < 0.100 ❌

False Positive Rate（FPR）

7.8〜12%

目標 < 1% ❌

True Positive Rate（TPR）

0〜14%

目標 > 95% ❌

Gini 係数（格差指数）

0.50〜0.70

目標 0.2〜0.3 ❌

ID	シナリオ	規模 N/k	Sybil ROI	ROI 目標	FPR	TPR	Gini	特記事項
T001	A: 単純Sybil	1K / k=1	0.250	<1.000 ✅	12.0%	0%	0.685	k=1は目標クリア
T002	A: 単純Sybil	1K / k=10	0.645	<0.100 ❌	7.8%	10%	0.702	FPR高・TPR低
T003	A: 単純Sybil	10K / k=50	0.556	<0.020 ❌	9.3%	14%	0.704	大規模でも同様
T004	A: 単純Sybil	100K / k=100	— 未実行（推定4〜6時間） —					⏭️
T005	B: デバイス制約	10K / k=10	2.052	<0.100 ❌	9.3%	10%	0.707	⚠️ 攻撃者が正直者を上回る
T006	C: 高頻度ループ	10K / k=5	69.7	<0.200 ❌	0.01%	0%	0.520	🔴 深刻：ループ攻撃70倍利得
T007	D: 農村FP	10K / k=0	攻撃者なし		0.17%	—	0.601	FPR ✅ 農村も保護
T008	E: 新規参加	10K / k=0	攻撃者なし		0.01%	—	0.507	FPR ✅ 新規参加に優しい
T009	F: Grace Period	10K / k=0	攻撃者なし		0.00%	—	0.509	FPR ✅ 復帰者を保護

📈 シナリオ別 Sybil ROI 比較

Sybil ROI（攻撃採算性） — 低いほど良い

ROI=1 で攻撃者と正直者が同等。目標は各シナリオに応じた閾値以下

FPR vs TPR — FPR低・TPR高が理想

FPR: 正直者の誤検出率 / TPR: 攻撃者の検出率（目標: FPR<1%, TPR>95%）

⚠️ Scenario A の根本的限界

Sybil 攻撃者が正直者と全く同じ行動をとる場合、行動ベースのスコアリングでは区別できません。デバイス紐づけ（D軸・ZK-SNARK）がないと ROI < 0.1 は達成困難です。

🔴 Scenario C の深刻な問題（Stage 2）

ループ攻撃者が高頻度取引 → 旧 E(v) では「活発なユーザー」と判定 → Mana 大量獲得 → ROI = 69.7。 Stage 3 で E(v) に取引相手の多様性（Partner Diversity）を追加して改善。

🔬 Stage 3: DoE L16 パラメータ最適化（16実験）

DoE スコア（低いほど良い）

目標関数 = 5×ROI + 20×FPR + 5×(0.95−TPR) + 3×|Gini−0.25|

主効果: κ と θ の影響

各パラメータ水準でのスコア平均（棒が低いほど良いパラメータ値）

順位	Run	κ	θ	β	Bloom	スコア	ROI (Scenario A)	FPR (Scenario A)	TPR (Scenario A)	ROI (Scenario C)
🏆 1位	#0	0.5	0.35	0.5	7日	22.28	0.679	28.1%	30.0%	70.9
2位	#7	2.5	0.60	2.0	7日	26.58	0.608	100%	100%	68.2
3位	#6	0.5	0.60	2.0	7日	26.83	0.666	99.5%	100%	71.2
4位	#8	0.5	0.35	0.5	14日	26.85	0.564	88.6%	80.0%	71.5
5位	#9	2.5	0.35	0.5	14日	26.96	0.659	87.6%	80.0%	72.7
… Run #10〜#15（スコア 27〜29） …
最下位	#2	0.5	0.60	0.5	7日	28.56	0.806	99.4%	90.0%	72.8

💡 主効果のまとめ

κ（0.5 推奨）：高すぎると正直者も過剰減価してFPRが上昇。低めが安定。
θ（0.35 推奨）：高くするとTPR改善するが正直者のFPRも急増（θ=0.60 でFPR=99〜100%）。
β（0.5 推奨）：低めでsoftminが穏やか。高βはスコア差を強調しすぎる。
Bloom（7日推奨）：頻繁なBloomで公平性を維持。

🏗️ T010: 3層 vs 4層距離軸比較（Scenario G）

Sybil ROI: 3層（D軸なし）vs 4層（D軸あり）

N=1000, 攻撃者数 k を変化。ROI低＝攻撃採算なし（良）

T010 結果サマリー

各 k における優劣

攻撃者数 k	3層 ROI	4層 ROI	判定
k=1	0.0045	0.3510	3層 ✅
k=5	0.2632	0.2677	3層 ✅
k=10	0.5704	0.6647	3層 ✅
k=20	1.3758	0.9597	4層 ✅ (+30%)
k=50	0.6810	0.8441	3層 ✅

🏁 結論: Phase 2 は 3層で進める

D軸はWatts-Strogatz小世界ネットワークで一貫した効果を示さない。実際のGPS/地理データがあれば再評価推奨。

🌙 Grace Period スキャン（推奨パラメータで）

Grace Period = 14日推奨

Scenario F: 復帰ユーザー

FPR
0.00%

コミュニティ安定性
100%

正直者平均残高
49.47

Grace Period = 30日

Scenario F: 復帰ユーザー

FPR
0.00%

コミュニティ安定性
90.3%

正直者平均残高
49.48

Grace Period = 60日

Scenario F: 復帰ユーザー

FPR
0.00%

コミュニティ安定性
96.6%

正直者平均残高
49.44

💡 Grace Period の結論

14日・30日・60日すべてで FPR=0%・ROI=0（復帰者への悪影響なし）。差がないため最短の14日を推奨（悪用リスクを最小化）。

🚀 Phase 3 への提言（残存課題）

🔴 最優先: D軸（デバイス紐づけ）の本実装

Scenario A の ROI が 0.5〜0.8 で高止まりしているのは、攻撃者が正直者と同じ行動をとるため。 ZK-SNARK または類似証明で「1巣1デバイス」を強制すれば、複数巣の維持コストが急増し、ROI < 0.1 が現実的になる。

🟡 高優先: ループ攻撃対策の追加

DoE 後も ROI(C5) = 66〜73 倍で高止まり。E(v) 改善だけでは不十分。 日次取引上限（daily cap）を設けることで、ループ攻撃の採算性を根本的に下げられる見込み。

🟡 中優先: Gini 係数の改善

全テストで Gini = 0.5〜0.7（目標 0.2〜0.3）。Bloom イベントが1巣に集中することで格差が拡大。 Bloom 受賞者を3〜5巣に分散することで大幅改善が期待できる。

🔵 中優先: T004 大規模検証

N=100K, k=100 の検証が未実施。推定4〜6時間。大規模マシンまたはクラウド環境（GPU並列化）で実行推奨。

☑️ Phase 2 達成チェックリスト

項目	状態	備考
Sybil ROI(100) < 1/150	❌ 未達	T004未実行。D軸なしでは達成困難
False Positive 率 < 1%	△ 部分達成	Scenario D/E/F は達成 ✅ / Scenario A は 28% ❌
κ, θ の最適値を決定	✅ 完了	κ=0.5, θ=0.35（DoE L16 Run #0）
Bloom 間隔・配分量を決定	✅ 完了	7日間隔、75%均等 + 25% VRF
Grace Period 期間を決定	✅ 完了	14日（最短。14/30/60で差なし）
距離軸（D軸）の要否を結論	✅ 完了	Phase 2 は不使用（3層）。実GPS データで再評価
コミュニティ検出アルゴリズムを選定	✅ 完了	Louvain（月次）、安定性 90〜100%
ZK-SNARK 証明コスト確認	❌ 未実施	シミュレーション外の実装・計測が必要
全テストケースでサクセス条件を満たす	❌ 一部未達	D軸実装・ループ対策・Gini改善後に再検証

🌀 Meguri Phase 2 シミュレーション結果