A Game Theoretic Analysis of Validator Strategies in Ethereum 2.0
本文通过贝叶斯博弈模型分析以太坊 2.0 单 slot 中区块提议者与见证者的策略，证明其激励机制激励相容并存在贝叶斯纳什均衡和事前占优策略，从而验证了协议对验证者合作的促进作用。
2024-05-07 cs.GT
A Game Theoretic Analysis of Incentives in Content Production and Sharing over Peer-to-Peer Networks
用户生成的内容可以使用对等（P2P）网络以低成本分发，但搭便车问题阻碍了P2P网络的利用。为了实现P2P网络的有效利用，我们调查的基本问题，激励内容的生产和共享，利用博弈论。我们建立了一个基本模型来分析非合作的结果，没有一个激励计划，然后使用不同的游戏配方从基本模型来检查五个激励计划：合作，支付，重复互动，干预，并强制充分共享。研究结果表明：1）合作节点共享所有产生的内容，而非合作节点在没有激励机制的情况下根本不共享; 2）合作机制允许节点消费比非合作结果更多的内容; 3）通过引入基于付费、重复交互或干预的激励机制，非合作节点之间可以实现合作结果; 4）强制完全共享对同伴的福利影响不明确。除了描述不同配方的解决方案，我们讨论了执行和信息的要求，以实现每个解决方案，旨在为协议设计者提供一个指导方针时，设计P2P网络的激励计划。
2010-01-23 cs.GT cs.NI
Incentives, Equilibria, and the Limits of Healthcare AI: A Game-Theoretic Perspective
Cambridge Centre for AI in Medicine, University of Cambridge, UK（剑桥大学医学人工智能中心）；Magdalene College, University of Cambridge, UK（剑桥大学玛格丽特学院）
本文通过住院容量管理的协调问题，描述三种AI部署形式，并分析其对系统行为的影响，指出只有改变激励结构的干预才能改变稳定均衡，为医疗AI的采购、治理和评估提供实践启示。
2026-05-31 cs.AI cs.GT
Incentive Mechanisms for Federated Learning: From Economic and Game Theoretic Perspective
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；PHENIKAA University（维新大学）；Nanyang Technological University（南洋理工大学）
联邦学习（FL）在训练大规模机器学习（ML）模型而不暴露所有者的原始数据方面表现出巨大的潜力。在FL中，数据所有者可以基于本地数据训练ML模型，并且只将模型更新而不是原始数据发送给模型所有者进行聚合。为了提高模型精度和训练完成时间方面的学习性能，招募足够的参与者至关重要。同时，数据所有者是理性的，可能不愿意参与协作学习过程中，由于资源消耗。为了解决这些问题，最近提出了各种工作，以激励数据所有者贡献他们的资源。在本文中，我们提供了一个全面的审查，在文献中提出的经济和博弈论的方法来设计各种方案，刺激数据所有者参与外语培训过程。特别是，我们首先介绍了FL的基本原理和背景，经济学理论常用的激励机制设计。最后，对物流企业激励机制设计中存在的问题和未来的研究方向进行了展望。
2021-11-20 cs.GT cs.LG
Analyzing Incentives for Protocol Compliance in Complex Domains: A Case Study of Introduction-Based Routing
对遵守网络协议的动机的正式分析常常诉诸博弈论模型和概念。博弈论分析在网络安全中的应用通常仅限于高度程式化的模型，在简化的环境中可以对关键战略变量进行易于处理的研究。我们提出了一个基于模拟的方法来博弈论分析协议的遵守情况下，大量的代理和大的政策空间。我们定义了一个一般的程序，系统地探索结构化的政策空间，明确地解决定性分类的均衡行为，遵守或不遵守。通过一个广泛的案例研究，分析合规的激励措施，介绍为基础的路由的技术进行说明和练习。我们发现，遵守协议的好处是特别强大的节点受到攻击，并在平衡，而不是普遍的整体合规性水平，是足以支持所需的安全目标的协议。
2013-06-03 cs.CR cs.GT
An Incentive-Compatible Smart Contract for Decentralized Commerce
提出一种区块链智能合约作为托管，允许互不信任方交易非数字商品，通过博弈论证明在仲裁者偏向诚实方时诚实策略安全，并推广至多方交易以摊销费用。
2020-08-24 cs.GT
A Composable Game-Theoretic Framework for Blockchains
TU Wien（维也纳工业大学）
本文提出首个区块链协议的可组合博弈论框架，通过跨层博弈和跨应用组合抽象，分析激励兼容性并揭示新的安全漏洞。
2026-04-07 cs.CE cs.GT
SoK: Tools for Game Theoretic Models of Security for Cryptocurrencies
近年来，加密货币引起了学术界和工业界的广泛关注。加密货币的一个有趣方面是它们在协议层面明确考虑激励措施。了解如何将其纳入用于设计加密货币的模型中已经激发了大量的工作，但仍然存在许多开放的问题，目前的系统很少能很好地处理与激励相关的问题。这个问题的出现是由于密码学和分布式系统安全之间的差距，它处理传统的安全问题，忽略了明确的考虑激励，和博弈论，最好的处理涉及激励的情况。有了这项工作，我们的目标是提供一个系统化的工作，涉及到这个问题，考虑论文，将博弈论与密码学或分布式系统，并讨论它们如何可以相关。这给出了可用工具的概述，我们在已经提出或实施的现有基于区块链的系统的背景下，研究了它们在实践中的（潜在）用途。
2020-02-21 cs.CR cs.GT
Efficient Query Verification on Outsourced Data: A Game-Theoretic Approach
为了节省时间和金钱，企业和个人已经开始将他们的数据和计算外包给云计算服务。然而，这些实体希望确保它们从云服务请求的查询被正确地计算。在本文中，我们使用的经济和竞争的原则，大大降低了外包数据的查询验证的复杂性。我们考虑两种情况：首先，我们考虑存在多个非合谋数据外包服务的情况，然后我们考虑只存在一个外包服务的情况。使用博弈论模型，我们表明，适当的激励结构，我们可以有效地阻止不诚实的行为的一部分，数据外包服务与很少的计算和货币资源。我们证明了一个外包服务作弊的动机可以减少到零。最后，我们表明，一个简单的验证方法可以实现这种减少通过广泛的实验评估。
2012-02-08 cs.DC cs.GT
A Game-Theoretic Analysis of Shard-Based Permissionless Blockchains
交易吞吐量低和可扩展性差是比特币等公共区块链共识协议的重要问题。最近在这个方向上的研究工作提出了基于分片的共识协议，其关键思想是在多个委员会（或分片）之间分割交易，然后并行处理这些分片或交易集。这种由多个委员会对不相交的事务或碎片集合的并行处理显著提高了系统的整体可扩展性和事务吞吐量。然而，一个重要的研究差距是缺乏对委员会内理性处理者在这种基于分片的共识协议中的策略行为的理解。这种理解对于制定适当的激励措施至关重要，这些措施将促进委员会内部的合作，防止搭便车。在本文中，我们解决这个研究差距，通过分析处理器的行为，使用博弈论模型，每个处理器的目标是在最小的成本参与协议的最大化其奖励。我们首先分析了N-player静态博弈模型中分片协议的纳什均衡。我们发现，根据奖励共享的方法，处理器可以通过单方面的行为在一个有缺陷的方式，从而导致在社会困境中潜在地增加他们的回报。为了克服这种社会困境，我们提出了一种新的激励兼容的奖励共享机制，以促进处理器之间的合作。我们的数值结果表明，实现大多数合作处理器（确保区块链网络的健康状态所需的），与其他奖励共享机制相比，建议的激励兼容奖励共享机制更容易实现。
2018-09-24 cs.GT
Rational Miner Behaviour, Protocol Stability, and Time Preference: An Austrian and Game-Theoretic Analysis of Bitcoin's Incentive Environment
本文结合奥地利资本理论与重复博弈论，分析区块链中矿工的战略行为，指出协议规则可变性会提高时间偏好并破坏合作均衡，论证了协议不可变性作为制度锚对恢复战略一致性与网络可持续均衡的必要性。
2025-06-26 cs.CR cs.GT cs.NI
A Game-Theoretic Analysis of the Empirical Revenue Maximization Algorithm with Endogenous Sampling
Peking University（北京大学）；Technion - Israel Institute of Technology（以色列理工学院）；Hong Kong University of Science and Technology（香港科技大学）；Alibaba Group（阿里巴巴集团）；Shanghai Jiao Tong University（上海交通大学）
经验收益最大化（ERM）是拍卖设计中最重要的价格学习算法之一：文献表明，它可以在重复拍卖和统一价格拍卖中学习到收益最大化拍卖者的近似最优保留价。然而，在这些应用程序中，提供输入的机构有动机操纵输入，以降低输出的价格。我们概括了Lavi et al（2019）提出的激励意识度量的定义，以量化由于$N$输入样本中的$m\ge 1$的变化而导致的ERM输出价格的降低，并提供了该度量到零的特定收敛率，因为对于不同类型的输入分布，$N$趋于无穷大。通过采用这一措施，我们构建了一个有效的，近似激励兼容的，和收入最优的学习算法使用ERM在重复拍卖对非近视投标人，并显示近似组激励兼容统一价格拍卖。
2020-10-12 cs.GT cs.LG econ.TH
Evolution of Coordination Through Institutional Incentives: An Evolutionary Game Theory Approach
本研究通过演化博弈论模型，探讨在预承诺框架下如何战略分配有限的制度激励预算（奖励或惩罚）以促进协调，发现奖励机制优于惩罚机制，且资源在促进参与与确保合规间的适当分配能实现最优协调成果，为新技术推广提供制度设计洞见。
2025-09-12 cs.CY cs.GT
A Game-Theoretic Study on Non-Monetary Incentives in Data Analytics Projects with Privacy Implications
个人向社交网站等数字存储库提供的个人信息量大幅增长。这些数据的存在为包括医学和公共政策在内的各个社会重要领域的数据分析研究提供了前所未有的机会。这些分析的结果可以被认为是一种公共产品，有利于数据贡献者以及不提供数据的个人。与此同时，个人信息的发布给贡献者带来了感知和实际的隐私风险。我们的研究解决了这个问题。在我们的工作中，我们研究了一个博弈论模型，在这个模型中，个人以两种方式控制参与数据分析项目：1）个人可以在自己选择的精度水平上贡献数据，2）个人可以决定他们是否想要贡献（或不）。从分析师的角度来看，我们调查研究分析师在多大程度上可以灵活地设定数据精度要求，以便个人仍然愿意为项目做出贡献，并提高估计的质量。我们研究这种权衡的情况下，同质和异质个体的人口，并确定纳什均衡，反映了最佳的参与水平和精度的贡献。我们进一步证明，分析师可以通过对用户可以揭示的数据的精度施加下限来大幅提高分析的准确性。
2015-05-10 cs.CR cs.CY cs.GT
Creator Incentives in Recommender Systems: A Cooperative Game-Theoretic Approach for Stable and Fair Collaboration in Multi-Agent Bandits
Courant Institute, New York University（纽约大学库朗数学研究所）；Indian Institute of Technology Bombay（印度理工学院孟买分校）；FAIR, Meta AI（Meta AI 基础人工智能研究团队）
本文提出基于合作博弈的多智能体老虎机模型，分析推荐系统中创作者激励问题，证明在同质智能体下博弈凸性，提出基于 regrets 的支付规则，实验显示支付与Shapley公平性的一致性与差异。
2026-04-09 cs.CY cs.GT cs.LG
Game Theoretic Analysis of Tree Based Referrals for Crowd Sensing Social Systems with Passive Rewards
群体感知社会系统依赖于大量个体的参与。由于人类天生具有战略性，因此需要有效的激励机制来鼓励参与。一种流行的招募机制是通过推荐和被动激励，如2009年DARPA网络挑战赛和多级营销计划中获胜团队使用的几何激励机制。这种招募计划对被招募的战略人员所付出的努力的影响尚不清楚。本文试图填补这一空白。给定一棵推荐树和直接和被动的奖励机制，我们制定了一个网络游戏，代理竞争完成人群感知任务。我们的特点的纳什均衡的努力，并得出封闭形式的表达式。我们发现搭便车行为的节点谁获得大量的被动奖励。这项工作对设计有效的众包任务招聘机制具有影响。例如，使用几何激励机制来招募大量个人可能不会导致相称的努力，因为搭便车。
2016-01-27 cs.GT cs.MA cs.SI
Incentive-Theoretic Bayesian Inference for Collaborative Science
研究协作科学中代理人私有先验与战略行为下的假设检验，提出委托人利用代理人是否试验的选择进行推断并设计政策控制后验概率，给出临床试验显著性阈值准则。
2024-02-08 cs.GT cs.LG stat.ME
A Game-Theoretic Approach to the Study of Blockchain's Robustness
本研究针对区块链协议鲁棒性，聚焦以太坊权益证明，结合分布式系统（诚实/拜占庭节点）与博弈论（理性节点激励）方法分析其安全性与活性，揭示漏洞、非活跃泄漏机制的权衡及理性验证者策略，为协议弹性设计提供见解。
2024-11-28 cs.CR cs.GT
Reputation-based Incentive Protocols in Crowdsourcing Applications
University of California, Los Angeles（加州大学洛杉矶分校）
众包网站（如Yahoo！答案，亚马逊机械土耳其人，等等。近年来出现了一种新的技术，允许来自世界各地的请求者发布任务，并从同样全球的工人中寻求帮助。然而，内在的激励问题存在于众包应用程序的工人和请求者是自私的，旨在战略上最大限度地提高自己的利益。在本文中，我们提出了一种新的基于重复博弈的博弈论模型，为工人提供激励，使他们努力工作。由于在社会福利中，工人追求自身利益时出现的非合作均衡与理想的帕累托有效结果之间总是存在差距，因此我们提出了一类新的基于社会规范的激励协议，该协议将声誉机制整合到目前在众包网站上实施的现有定价方案中，以改善在这种应用中出现的非合作均衡的性能。首先，我们将众包网站上的交流制定为一个双边市场，请求者和工作者匹配并反复玩赠送礼物的游戏。随后，我们研究了协议设计者的问题，找到一个最佳的和可持续的（均衡）协议，实现最高的社会福利的网站。我们证明了所提出的激励协议可以使网站运行接近帕累托效率。此外，我们还研究了另一种情况下，协议设计者的目的是最大限度地提高网站的收入和评估最佳协议的性能。
2011-08-10 cs.AI cs.GT cs.SI
Game-Theoretic Framework for Private Data Sharing in Vehicular Networks
提出一种结合Stackelberg博弈的混合架构，通过安全多方计算和激励机制实现隐私保护的车载数据共享，实验验证了其有效性和市场可行性。
2026-06-23 cs.CR cs.GT cs.NI
A Study of Truck Platooning Incentives Using a Congestion Game
ACCESS Linnaeus Center, School of Electrical Engineering, KTH Royal Institute of Technology（ACCESS林奈斯中心，电气工程学院，皇家理工学院）
本文通过原子拥堵博弈模型研究交通流中车辆与卡车编队激励的相互作用，利用斯德哥尔摩交通数据验证模型假设，并通过仿真实验分析司机时间价值和编队率对纳什均衡的影响。
2014-01-21 cs.GT cs.SY eess.SY
A Soft Inducement Framework for Incentive-Aided Steering of No-Regret Players
Bilkent University（比尔肯特大学）
本文研究中介如何借助信息与激励引导双人正则形式博弈中的无遗憾参与者，刻画可引导条件与恒定支付下界，并提出一次性信息设计的 Stackelberg 增强方法以常数因子提升收敛速率。
2025-08-29 cs.GT cs.IT cs.LG
