基于區塊鏈的可信在線社交媒體平臺設計與實現

摘要：[目的/意義]隨著比特幣、以太坊等基于區塊鏈技術的加密數字貨幣和新型分布式社群計算范式的興起，越來越多的傳統互聯網項目可以利用區塊鏈的鏈式數據結構、去中心化網絡、安全機制重塑“數據”生產關系，有助于提高系統效用。旨在利用區塊鏈技術為在線社交媒體平臺賦能，建立具有明確經濟激勵的可信社群生態。[方法/過程] 通過基于用戶信用值的自下而上集群“投票”，對平臺“社區”用戶的價值貢獻進行量化，設計平臺內容生產者和內容評價者的激勵機制，以激勵內容生產者發布優質真實內容，內容評價者積極參與內容評價，同時抑制評價者合謀“投票”與鼓勵評價者進行批判性思維的“投票”。[結果/結論] 通過數值分析與仿真驗證所設計激勵機制的有效性，最后基于以太坊區塊鏈實現所設計的在線社交媒體平臺。

關鍵詞：社交網絡? ?區塊鏈? ?價值貢獻量化? ?激勵機制設計? ?以太坊

分類號：TP391

DOI：10.13266/j.issn.2095-5472.2021.017

引用格式：羅旭. 基于區塊鏈的可信在線社交媒體平臺設計與實現[J/OL]. 知識管理論壇， 2021， 6（3）： 167-180[引用日期]. http：//www.kmf.ac.cn/p/250/.

1? 引言

近年來，隨著互聯網的快速發展，催生出一系列在線社交媒體平臺，拉近了用戶間的“距離”，同時也導致謠言的快速傳播。以往對在線社交媒體的謠言抑制研究大多為：先對其社交網絡拓撲結構進行研究，提出謠言傳播抑制策略，結合謠言傳播模型，驗證提出的謠言傳播抑制策略的有效性與實用性。基于此，相關學者分別對謠言抑制策略與謠言傳播模型進行了研究。喬雅峰對在線社交網的拓撲結構以及節點行為特點進行分析，提出了基于用戶親密度的輿論領袖節點識別方法，通過向輿論領袖節點注入真相來抑制謠言傳播[1];張晉博通過對社交網絡中節點的風險程度與謠言傳播路徑樹的分析，提煉出“關鍵節點”，并對其進行謠言傳播抑制[2];顧亦然等根據真實在線社交網絡中節點重要度評估的節點收縮方法，提出重要熟人免疫策略[3]。這幾類謠言抑制策略的根本機理是對復雜網絡中節點間的拓撲結構進行分析，挖掘出“關鍵節點”進行辟謠。然而這需要耗費較大的計算資源，另一方面，單純地依靠自上而下的辟謠將高度依賴“中心節點”的信用背書，若“中心節點”作惡，可能給社會帶來動蕩與經濟損失。

考慮到區塊鏈技術的去中心化性、不可篡改性與可編程性，一些新型在線社交媒體平臺應運而生。例如Steemit社交網站（steem.com）基于Steem區塊鏈建立了一個自由的、安全的、用戶激勵的可信社交媒體平臺[4]。同時學術界也對激勵機制、區塊鏈技術在社交網絡中的應用展開了研究，例如王慧賢對社交媒體平臺中用戶參與激勵機制進行了研究，提出通過設計有效的用戶貢獻激勵機制在一定程度上可抑制尾端用戶“搭便車”行為（只消費內容卻從不或很少生產內容的自私型用戶），通過設計基于信譽的用戶內容質量審核激勵機制，可有效抑制冗余信息或垃圾信息的滋生、泛濫與擴散，通過設計內容推薦激勵機制在一定程度上可解決用戶不積極參與內容評價的問題[5]。謝小松等提出在電力物聯網中引入基于區塊鏈的社交網絡激勵、社會設備主人激勵和搶單激勵機制，以重構輸電線路反外損的管理體系[6]。賓晟研究了區塊鏈技術-社交網絡范式下，因量化價值貢獻而產生的激勵機制對用戶信息傳播的影響，構建在不同傳播行為下的收益-風險矩陣，利用演化博弈論計算穩定策略對于各轉發概率的影響，通過對轉發概率的取值驗證基于區塊鏈的社交網絡中激勵機制可影響各狀態間的轉換過程與轉移概率[7]。通過相關研究分析可以看出，區塊鏈作為一個不可篡改的、去中心化的、可編程的分布式賬本，可有效對社交網絡中用戶行為進行記錄，并基于智能合約技術構造開放的、可編程的激勵機制合同。

由于互聯網的普惠性，國內網民基數大，且國內的教育很少強調批判性思維與獨立思考能力的培養，使得當前在線社交媒體平臺呈現出明顯的羊群效應[8]。同時，國內對在線社交媒體平臺的辟謠高度依賴于政府官方賬號、民營主流媒體或社群無組織的自下而上共識出訊息真相，缺少有效的激勵機制。筆者借鑒于Steemit等平臺的思想以期基于區塊鏈建立具有明確經濟激勵的可信在線社交媒體平臺（Online Social Media Platform Based on BlockChain），下文簡稱OSMP-BChain平臺。相較于以往研究，筆者提出通過基于用戶信用值的自下而上集群投票，對“社區”用戶的價值貢獻進行量化，同時兼具合謀投票抑制、批判性思維投票的鼓勵，設計了具體的激勵機制，通過數值分析與仿真驗證其有效性，該部分內容主要在第2節進行闡述，另外筆者基于以太坊區塊鏈實現了所設計的平臺，該部分內容體現在第3節。

2? OSMP-BChain平臺設計

在國內主流在線社交媒體平臺中，內容的用戶互動欄常只涉及到點贊、評論、轉發、收藏（如新浪微博、今日頭條、嗶哩嗶哩、抖音視頻），很少有平臺在設計內容的互動欄時考慮反面評價（如踩、不贊成標記轉發）。平臺運營商會考慮用戶對平臺的粘性，若在設計內容互動欄考慮反面評價，雖然給內容評價用戶提供了更多的自由度，但同時也會打擊內容生產者的積極性，而在自媒體時代，留住內容生產用戶才是平臺可持續運營的主要因素。但隨著平臺用戶對真相渴望的需求增加，也有一些獨特的平臺在設計用戶互動欄時將用戶的反面評價考慮在內，例如重視高質量原創內容生產的知乎，將用戶對內容的反面評價需求考慮在內，其用戶互動欄如圖1所示，巧妙之處在于只將贊同用戶“投票”數量展示出來，反對評價只提供動作輸入而不提供“選票”數量統計輸出，這使得內容評價者更具有贊同評價傾向。

筆者以前瞻性的視角提出在建立可信在線社交媒體平臺中，應鼓勵內容評價者發出不同“聲音”，使得內容的真偽在不同意見間“碰撞”出真相，根據辯證論的觀點，要證明事物真偽，應從其對立面充分考量。為簡化模型，對OSMP-BChain平臺中內容的評價二分為正面評價與反面評價，正面評價有點贊、正面轉發等，反面評價有踩、反面轉發等。用戶的每次評價都以其信用值加權，則下文的評價與投票表示同一含義。記內容獲得的正面評價票數與反面評價票數分別為v_up與v_down，則v_up-v_down表示內容的凈勝正面評價“票數”，記為diff。一般而言，diff > 0，內容被判定為真實信息，反之則被判定為虛假信息，且其絕對值|diff |越大，內容的真偽程度越大，|diff |在意義上表示內容的凈勝評價“票數”，也被作為相關用戶獲得獎勵的指標。基于此，平臺的社交互動與代幣流通如圖2所示。

在圖2中，變量R_A與R_V分別表示平臺代幣系統分配給創建者與評價者的獎勵額度。 Vi表示當前代幣結算周期內第i個內容的所有評價者（代幣結算周期指內容的有效計票時間，與平臺內容的平均活躍時間成正相關），按評價策略不同，Vi又可表示成{Ui， Di}，即正面評價者（upVoters）與反面評價者（downVoters）的集合。

2.1? 平臺區塊鏈系統

以往學者常將區塊鏈系統基礎架構模型自頂向下分為應用層、合約層、共識層、網絡層和數據層，在此基礎上結合所設計平臺特征，得出OSMP-BChain平臺基礎架構如圖3所示：

其中，應用層封裝了所設計平臺的各類應用，包括：內容發布與評判、社交關系與信息流動、“礦工”節點選舉等;合約層封裝各類腳本、算法和智能合約，是區塊鏈系統可編程特性的基礎;共識層封裝了分布式網絡節點的共識算法，為民主網絡與系統數據一致性提供保證;網絡層封裝了網絡組網機制、數據的傳播機制與驗證機制;數據層封裝了區塊數據結構、時間戳與數據加密等技術。

在區塊鏈生態里，數字加密貨幣可分為原生幣（coin）和代幣（token）兩大類，前者直接在自己區塊鏈上運行，后者依附于現有區塊鏈平臺發行，為價值流通提供更靈活的結算形式。其中，以太坊代幣生態最為繁榮，它們大都遵循ERC-20代幣協議。此外，以太坊是面向智能合約和分布式應用的全球性開源平臺，其代幣生態依附于智能合約開發，本平臺為建立在以太坊區塊鏈的社交媒體網絡。以太坊中智能合約運作機理如圖4所示：

相對于其他線上合約，以太坊智能合約具有如下優點：可觸發的反射機制、去中心化的執行環境、程序代碼部署后不變性。這有助于在非信任方之間建立共享代碼的信任（鏈上計算）。智能合約部署在區塊鏈上，其調用受制于最新區塊交易的驗證，當智能合約達到預制觸發條件執行后，將通過“交易”的形式更改區塊鏈中相關的狀態變量。

在OSMP-BChain平臺代幣系統設計中，將代幣種類分為可流通代幣與信用值代幣兩類，前者用于用戶間的直接交易，后者代表用戶在平臺的話語權、收益權。兩類代幣間的關系如圖5所示，可流通代幣按特定轉換關系經時間延遲轉換為信用值代幣，當用戶在社交網絡中參與社交活動（例如內容發布、內容評價、“礦工”競爭）時，其收益與其信用值有關。

此外，OSMP-BChain平臺通過按期增發代幣對平臺進行持續激勵，新增發代幣按一定比例配額到不同用戶群體獎勵池，該增發分配如圖6所示，其中區塊鏈“礦工”節點獎勵池用于對平臺區塊鏈系統維護節點的代幣激勵。

下文將在本小節提出的平臺區塊鏈系統上，對用戶的價值貢獻進行分析并設計相應激勵機制，激勵機制的邏輯規則均以智能合約的形式被編譯部署在以太坊區塊鏈上，代幣體系基于以太坊ERC-20協議開發。

2.2? 內容的創建者與內容的所有評價者激勵機制

OSMP-BChain平臺中的代幣激勵機制主要是為了引導內容生產者發布真實優質內容，引導內容評價者對內容真偽性進行證實，則對于創建者與評價者的代幣分配略有不同。具體地，以單個內容為例，若其被證實為真實信息，其內容創建者對平臺做“正功”，反之對平臺做“負功”，考慮到平臺用戶的粘性和模型的簡化，對做“正功”的創建者進行獎勵，對做“負功”的創建者選擇忽略（既不獎勵也不懲罰）;另一方面，無論該內容是否被證實為真實信息，其所有評價者都將獲得獎勵，因為他們對內容真偽性的證實都投出了寶貴的一張“選票”，即對平臺做了“正功”。因為|diff |表示內容的真偽程度，則內容的創建者與內容的所有評價者做“功”大小與|diff |成正相關。最后，代幣系統按做“功”的大小分別對內容的創建者與內容的所有評價者進行獎勵。

當前代幣結算周期內容的創建者與內容的所有評價者的代幣收益算法分別如表1與公式（1）所示， 其中N為當前代幣結算周期內容的數量。在表1中，首先輸入當前代幣結算周期平臺所有內容凈勝正面評判票數diff1，diff2，……， diffN，然后計算出當前平臺創建者“正功總計值”，代幣系統根據創建者做“功”大小占“正功總計值”比例，對創建者進行獎勵。

2.3? “壟斷評價懲罰”機制

根據2.2小節的分析，內容獲得的凈勝評價票數（|diff |）越大，內容真偽性評判結果越明朗，收益越高，這體現了辯證法中矛盾斗爭性思想，但矛盾也具有同一性，相互依存、相互聯系。事實上，觀點常常是相對的，若一個觀點沒有任何反對“聲音”，常常是受到某些強加“外力”的作用，例如某種外界意識形態的強加、“網絡水軍”的大量雇傭或篡改用戶存儲在服務器上的數據等。基于此，筆者提出“壟斷評價懲罰”機制以抑制評價用戶合謀“投票”與“投票”結果的惡意操控，同時被懲罰的代幣用于激勵優質真實內容的生產。

“壟斷評價”指內容評價過程中，競爭方呈現一方獨占情形的傾向。在OSMP-BChain平臺中，以內容獲得的正面評價票數占其獲得的正反評價票數總計的比例（記為proportion_up）作為是否發生“壟斷評價”的“標尺”。根據圖2，平臺存在正面評價壟斷與反面評價壟斷兩類情形，則對應有正面評價壟斷閾值與反面評價壟斷閾值，分別記為Th_up與Th_down。當內容的proportion_up值大于Th_up時，該內容存在正面評價壟斷，其評價者懲罰強度隨proportion_up值變化關系如圖7中CD函數段所示，小于Th_down時，則存在反面評價壟斷，如圖7中AB所示。此時對內容的評價者進行懲罰，且“壟斷”程度越高，懲罰強度越大，令懲罰強度Intensity_p隨proportion_up大小線性變化。特別的，當投票的一方完全獨占時，懲罰強度為90%，對應圖7中的A或D;當proportion_up剛好達到壟斷閾值時，懲罰強度為0，對應圖7中的B或C。

在圖7中，假設投票的一方完全獨占時，懲罰強度為特定的90%，一是為了后面數值仿真中的具體計算，實際過程中該值可以是0%到100%之間的任何數值（即根據現實需求對完全壟斷的懲罰強度進行設定）;二是為了避免在對合謀投票抑制的過程中對常識性或公理性內容的評價者（自然壟斷者）進行過度懲罰，例如設定完全壟斷時懲罰強度為100%，內容評價者的收益將為0，在付出了基于用戶信用值消耗的投票成本考量下，將影響用戶評價的積極性;三是合謀壟斷相對于自然壟斷常具有更高的運營成本，在相同的懲罰強度下，合謀評價者的經濟損失更高;四是懲罰強度是在未引入“壟斷評價懲罰”機制時內容的所有評價者收益上做乘法運算，在圖7所示的評價者懲罰強度隨proportion_up值變化關系中，壟斷評價者仍能獲得一部分收益，只是相對于未引入該機制時，收益降低。

將代幣結算周期內第i個內容的proportion_up代入圖7所示的函數關系，得到該內容的“壟斷評價”懲罰強度Intensity_pi，則該內容的所有評價者（Vi）被“懲罰”的代幣量Punishi=R_Vi×Intensity_pi，這部分代幣用于激勵優質真實內容的生產。引入“壟斷評價懲罰”機制后，第i個內容的所有評價者收益更新為：R_Vi=R_Vi×Punishi，平臺代幣系統分配給優質真實內容創建者代幣量更新為：R_A=R_A+ΣiPunishi。

2.4? 內容評價者行為策略與激勵機制

2.2節從宏觀角度分析，提出了內容的創建者與內容的所有評價者的代幣分配機制，本節具體到內容的每位評價者的行為策略，并提出一種新型內容評價者激勵機制，該機制能夠正確引導評價者獨立地、具有批判性地對內容進行評判。

2.4.1? 內容評價者行為策略

在OSMP-BChain平臺中，評價者的行為動機有：對內容的真偽性判斷、社交關系激勵、代幣激勵。其中，社交關系激勵會對內容客觀真偽判斷產生主觀影響，若在評價過程中切斷評價者之間的實時信息共享，內容評判結果將更客觀。但這不符合在線社交媒體平臺中用戶“點贊”與“踩”的心理，因為單次評價帶來的收益甚微，評價者更愿看到在前端界面操作帶來的變化與內容的投票結果的實時更新（認同與被認同），此外用戶在評價時常有知曉主流投票意見的需求。在線社交媒體平臺中內容的評價過程為完全信息下的動態過程，可用圖8描述，即每位評價者在投票時知曉“前面”的投票結果，將與“前面”主流投票策略一致的投票稱為“從眾”投票，反之稱為“叛逆”投票。此外，在代幣結算時刻，一個內容的評價者按是否與主流意見一致分為“贏家”與“輸家”。

2.4.2? 具有批判性思維的投票策略與其激勵機制

“贏家通吃”指在市場競爭中，獲勝一方獲得全部獎勵，將該概念引入OSMP-BChain平臺中內容評價者的代幣分配，具體地，若內容被評判為真實，其正面評價者獲得系統分配給該內容的評價者獎勵，反之其反面評價者獲得系統分配給該內容的評價者的獎勵。但在圖8所示的完全信息下的動態投票過程中，顯然“贏家通吃”的內容評價者激勵機制會導致投票過程將呈現出“從眾效應”，不利于得出與客觀相符的評判結果。若想根除“從眾投票效應”，可令“贏家”與“輸家”效用相同，但同時也會導致一張“選票”被濫用。若既要保證一張“選票”不被濫用，又要保證投票“市場”的競爭性，可綜合兩個維度考量：①代幣結算時刻評價者是否被認證為“贏家”;②評價者投票時刻是否“從眾”投票。“一張選票”按兩個維度可分為4種類型：從眾贏家、叛逆贏家、從眾輸家、叛逆輸家。一般地，評價者在評價時根據風險收益評估進行投票，影響風險收益的主要因素有：預期“選票”類型的概率與其收益，在自然條件下，成為“贏家”應是第一投票動機，設定“贏家”收益大于“輸家”收益合乎情理，也有利于“投票市場”的競爭。而要成為“贏家”，“從眾投票”仍是最優策略，因為自然條件下，成為“從眾贏家”選票的概率遠大于“叛逆贏家”，即用戶選擇“從眾投票”動機遠大于選擇“叛逆投票”動機。這又不利于事物真偽性的評判，為了削弱“從眾投票”動機，可引入適當的“叛逆投票”獎賞與“從眾投票”成功懲罰。4類“選票”的收益計算如表2所示：

記4類選票收益分別為R1、R2、R3與R4。設具有同等大小信用值（或單位大小信用值）的“贏家”收益（Incomew）與“輸家”收益（Incomel）間關系為：Incomel = μ·Incomew， μ（0， 1]，則R2>R3， R2>R1， R2>R4， R1>R3， R4>R3。4類選票收益關系中唯一不確定的為R1與R4孰大孰小，根據其收益計算式，R1>R4的必要條件為：“贏家”收益減去“輸家”收益 >“叛逆”獎賞加上“從眾”懲罰，假設“叛逆”獎賞等于“從眾”懲罰，收益與效用成正比，則R2>R1>R4>R3的必要條件可改寫為：（1–μ）ד贏家”收益 > 2ד叛逆”獎賞，進一步地，其必要條件為：

“贏家”收益∶“叛逆”獎賞 > 2∶（1–μ）

若μ=0.7（即同等大小信用值的“輸家”評價者獲得代幣獎勵量為“贏家”評價者獲得代幣獎勵量的70%），根據上面的不等式約束條件，可令“贏家”收益∶“叛逆”獎賞 = 10∶1。單位大小信用值的“贏家”收益∶“輸家”收益∶“叛逆”獎賞∶“從眾”懲罰 = 10∶7∶1∶1。在該代幣分配機制下，同等大小信用值（或單位大小信用值）的4類“選票”收益比值R1∶R2∶R3∶R4=（10–1）∶（10+1）∶（7–1）∶ （7+1）=9∶16∶6∶8。即通過設置適當的金融配置參數可使得R2>R1>R4>R3且呈現數量上的比值關系，可有效削弱評價者“從眾”投票動機，因為即使評價者“叛逆”投票，不幸被判定為“輸家”，其收益還是會比“從眾輸家”（R3）高，反之若心中真理被判定為真理（“贏家”），其收益將是4類選票中最高;同理對于“從眾”者，若被判定為“贏家”，其收益（R1）處于4類選票中的中上位（2號位），反之若不幸被判定為“輸家”，其收益（R3）將處于最下位（4號位）。綜上，該機制既能保證一張“選票”不被濫用，又能保證投票“市場”的競爭性，使得評判結果更客觀。

2.5? 數值仿真

在2.3節與2.4節中，分別對提出的“壟斷評價懲罰”機制與一種新型內容評價者激勵機制進行了闡述與分析。本節基于圖2的平臺社交互動與代幣流通，建立仿真模型，令當前代幣結算周期內平臺“存在”11個待結算內容（c1，c2，...，c11），與10位內容評價者（v1，v2，...，v10），每個內容對應一位創建者，每位評價者與每位創建者“相連”并投上以信用值加權的選票。平臺代幣系統擬分配給所有創建者與投票者的代幣量R_A與R_V分別為100與100。另外，10個待結算內容獲得的正面評價票數占其正反評價票數總計的比例（proportion_up）均勻地落在0到1之間，若每位投票者的信用值都為10，則10個內容的凈勝正面評價票數（diff）分別為 -100， -80，-60，-40， -20， 0， 20， 40， 60， 80， 100。在該模型中內容獲得“選票”的分布如圖9所示，紅色填充標記的“選票”表示反面投票，綠色填充標記的“選票”表示正面投票。例如，從圖9中可知c2從v1到v9獲得了9張反對票，從v10獲得1張贊同票。

下文在該模型上，分別驗證所提出的“壟斷評價懲罰”機制與內容評價者激勵機制對內容的創建者與評價者收益的影響。

（1）“壟斷評價懲罰”機制對內容創建者與所有評價者收益的影響。將“壟斷評價懲罰”機制中的正面評價壟斷閾值（Th_up）與反面評價壟斷閾值（Th_down）分別設為0.8與0.2，結合仿真模型可得內容評價者與內容創建者在引入“壟斷評價懲罰”機制前后的收益如圖10所示：

由圖10可知，引入“壟斷評價懲罰”機制后，c1、c2與c10、c11的所有評價者收益降低，這是因為其達到“壟斷懲罰”標準，而c3至c9則因未達到該標準，收益保持不變。被評判為真實內容（c7至c11）的創建者收益增加，被評判為虛假內容（c1至c6）的創建者收益依然保持為0，這是因為內容評價者被“懲罰”的代幣量被用于真實內容的創建者激勵。

（2）新型內容評價者激勵機制對評價用戶收益的影響。在“壟斷評價懲罰”機制下，引入2.4節提出的新型內容評價者激勵機制，結合仿真模型，得到評價者從每個內容獲得的收益如圖11所示。以第一個柱狀圖為例，可知v1從c1至c11獲得的代幣值分別為0.2，0.89，1.22，0.82，0.42，0，0.3，0.59，0.87，0.63，0.2，且v1獲得的總收益為6.13單位代幣。

至此，數值仿真已完成，實驗結果將用于與第3節中基于以太坊的OSMP-BChain平臺應用工程結果進行對比，論證實現的平臺是否能夠滿足所設計的數據計算與控制。

3? OSMP-BChain平臺實現

以太坊（Ethereum）是一個用于分布式應用程序開發的基于區塊鏈技術的全球性開源平臺，本節在以太坊公有區塊鏈上對所設計的OSMP-BChain平臺進行實現。

3.1? OSMP-BChain平臺開發框架

Truffle框架是基于以太坊虛擬機的開發環境，筆者基于其開發OSMP-BChain平臺應用程序。通過Truffle框架將編寫好的智能合約編譯、部署到以太坊區塊鏈中;在控制端通過Web3.js庫與本地或遠程的以太坊節點交互;用戶通過Web瀏覽器向Node.js Web服務端發送請求與獲取響應與區塊鏈項目建立通信。開發框架如圖12所示。

3.2? OSMP-BChain平臺項目搭建

OSMP-BChain平臺應用程序開發流程如圖13所示，本節主要對需求分析、模塊設計與Node.js Web服務端設計進行闡述，功能聯調將結合實驗結果在3.3節闡述。

3.2.1? 需求分析

本平臺旨在通過自下而上的集群投票，挖掘出在線社交媒體中的真實內容與虛假內容（謠言），并對內容創建者、評價者進行基于區塊鏈的代幣激勵。由于平臺基于以太坊區塊鏈開發，每個以太坊賬戶都可注冊成為平臺用戶，參與到內容發布、評判、轉發等社交活動。

3.2.2? 模塊設計

根據需求分析，OSMP-BChain平臺系統主要模塊可分為平臺配置信息設置模塊、平臺用戶注冊與登錄模塊、平臺用戶個人信息展示模塊、平臺內容信息展示模塊。其主要功能模塊與細化如圖14所示，綠色背景部分中平臺配置信息用于展示當前平臺的配置，用戶注冊與登錄后即可發布內容;藍色背景部分用于用戶個人信息展示以及當前平臺的內容信息，用戶可對相關內容發起評判、轉發等;橙色背景部分用于展示當前區塊鏈代幣結算周期內內容創建者以及內容評價者的收益。

3.2.3? Node.js Web服務端設計

在OSMP-BChain平臺中，Node.js Web服務端在Web瀏覽器與區塊鏈系統間起著“管道”通信的作用，其程序流程如圖15所示。

3.3? OSMP-BChain平臺項目聯調與實驗結果對照

在與仿真實驗同樣的“輸入”下（同樣的代幣增發機制、用戶激勵機制、用戶內容發布與內容評價），觀察應用項目實驗結果與仿真實驗結果是否一致，來測試應用項目是否能夠滿足所設計的數據計算與控制。驗證流程如圖16所示，通過對應用項目前端界面截圖的形式采集到的內容的創建者與內容的所有評價者收益如圖17所示，每位評價者從每個內容獲得收益如圖18所示。

經驗證，在與仿真實驗同樣的“輸入”下，應用項目實驗結果與仿真實驗結果一致，說明基于以太坊公有鏈實現的OSMP-BChain平臺能夠滿足所設計的數據計算與控制。

4? 結語

筆者通過在社交媒體平臺中嵌入區塊鏈技術，利用區塊鏈的不可篡改、去中心化以及可編程智能合約特性，以區塊鏈代幣系統為依托，設計了詳細的激勵機制，通過量化用戶的價值貢獻，并兼具合謀投票抑制以及具有批判性思維評價的鼓勵，引導用戶積極參與真實內容發布與內容真偽性的客觀評價。通過數值分析與仿真的形式驗證所設計的激勵機制的有效性，同時基于以太坊開源平臺實現了所設計的社交媒體平臺。目前，區塊鏈在在線社交媒體平臺中的應用還處于初級階段，與其他大流量型區塊鏈應用項目類似，主要受制于區塊鏈系統的“不可能三角”約束[9]，需要在“高效率低能耗”“去中心化”以及“安全”間綜合平衡，以滿足在線社交媒體平臺的“大流量高帶寬”需求。

參考文獻：

[1] 喬雅峰. 基于親密度的社交網絡輿論領袖節點識別及應用[D]. 西安：西安電子科技大學，2015.

[2] 張晉博. 基于謠言路徑樹的社交網絡抑制謠言研究[D]. 湘潭：湘潭大學，2018.

[3] 顧亦然， 夏玲玲. 在線社交網絡中謠言的傳播與抑制[J]. 物理學報， 2012， 61（23）： 544-550.

[4] KIM M ， CHUNG J. Sustainable growth and token economy design： the case of steemit[J]. Sustainability， 2018， 11（1）： 1-12.

[5] 王慧賢. 社交網絡媒體平臺用戶參與激勵機制研究[D]. 北京：北京郵電大學，2013.

[6] 謝小松， 何冰， 顧俊杰. 基于社交網絡激勵的線路反外損運營模式研究——以區塊鏈技術為實現框架[J]. 電力與能源， 2020（4）： 425-430.

[7] 賓晟， 孫更新， 周雙. 基于區塊鏈技術的社交網絡中輿情傳播模型[J]. 應用科學學報， 2019， 37（2）：191-202.

[8] 鄧文娟. 論網民從眾心理與網絡主流意識形態構建[D]. 湘潭：湖南科技大學，2013.

[9] 陳一稀. 區塊鏈技術的”不可能三角”及需要注意的問題研究[J]. 浙江金融， 2016 （2）： 17-20.