至于社区，有几种定义的方法，比如使用社区检测算法或无监督学习。这是一个开放性的研究问题，现在我们使用的是一种启发式的方法，即假设一个社区可以通过使用相邻子图来代理，这本质上是一种距离方法，用于确定相关的检查社区。

利用「优化差距」可以生成信号，以标记出可疑的优化资金，以便进行更仔细的检查。

赋能社群研究

此篇我们的目标是授权 Gitcoin 社区的研究人员使用这些工具来测试和迭代他们自己的研究问题，以释放人群的智慧，探索如何减轻 QF 的攻击向量。

开源真正的力量是，今天生成的模型将可以被迭代，并比我们现在走得更远。

在下面的 repo, 中，可以发现我们在本文中讨论过的一些攻击向量的实现，可以使用 cadCAD 进行测试，甚至可以自己构建！我们希望看到人们设计自己的 合谋模式，使用这些算法，并提出改进。

我们正在进行的研究旨在确定可能的合谋模式。在研究的第一阶段，我们构建了简单的攻击方案，并在 cadCAD 模型中实施了这些方案，并进行了测试，以查看是否可以使用 Optimality Gap 算法捕获它们。在即将进行的研究中，我们计划扩大规模，通过充分利用实时 Gitcoin 数据来标记共谋攻击方案。

与往常一样，我们鼓励社区探索和试验 Gitcoin cadCAD 模型存储库，您可以在其中访问此分析中的许多数据。

GitHub 存储库：https://github.com/gitcoinco/gitcoin_cadcad_model

Gitcoin：twitter.com/gitcoin

BlockScience：twitter.com/block_science

cadCAD：twitter.com/cadcad_org