5.3 信任与声誉：小镇信用档案

5.3 信任与声誉：小镇信用档案

摘要：开放小镇没有中央警察，声誉就是软法律。本节拆解信任的分层模型（个体信任、证人声誉、社会声誉）与声誉生命周期的四个环节，推导贝塔声誉模型的期望公式与证人加权聚合，用代码建一座信用档案局，并演练漂白、合谋诽谤、女巫三类攻击的防线。

凭什么敢把货先发给一个从没见过面的买家？ eBay 时代的市场工程给过一个影响深远的答案：因为他的信用档案就挂在店门口，好评差评笔笔在案，未来每一单生意都要为今天的行为买单。这一节给小镇建同样的制度。它是法庭三章的收官：上一节的仲裁靠规则判案，这一节让历史行为自动变成谈判筹码——有信用档案的合同网才敢授标陌生人，有信任评分的裁决才有执行力。它也是第 6 章的前菜：声誉机制的本质，是把一次性博弈改造成重复博弈。

信任的解剖：主观、多维、分层

先分清两个词。信任是主体间的评估关系：我信你几分——它主观（同一个人，不同观察者打分不同）、多维（诚实度、能力、可靠度可以分开打分）、有情境（修屋顶的好手不一定会记账）。声誉是社区对一个个体的聚合评价，是信任的"公共账本"。

工程上常用的三层信任架构：

个体信任（直接经验）：我自己跟对方打过交道的记录。最可信（一手信息），最稀疏（新面孔没记录）。

证人声誉（间接经验）：别人告诉我的交易记录。覆盖广，但证人可能说谎、记错、甚至被收买——所以证词本身要打折，折扣系数就是对证人本人的信任度。

社会声誉（聚合）：把直接与间接证据加权融合后的公开分。挂在档案局，谁都能查。

三层的组合逻辑写出来就是经典的信任网络推理：信你，所以信你的证词七成；你的证词里说某某可靠，我对某某的间接信任就打七折。信任在关系网上传播——这也是"信用档案局"必须防伪的原因，后面细说。

图 5-2 信用档案局：三层信任与声誉反馈回路

贝塔声誉模型：从成败计数到信任分

档案局的核心算法要回答：给定一堆成功与失败的记录，该给几分？贝塔声誉模型的答案干净利落：把每次交易结果看作二元事件，用贝塔分布拟合其成功率。参数记作 α（正面证据数）与 β（负面证据数），期望信誉分就是 α 除以 α 加 β。为了不让新人从零开始大起大落，加一对先验（比如各记半分中性证据）。

更新规则同样简单：交易成功 α 加一，失败 β 加一；时间衰减则每过一周期把 α、β 各乘个折扣因子——声誉是消耗品，躺在功劳簿上会慢慢蒸发。多个证人的证词聚合：把每份证词的 α、β 乘以证人可信度再累加。证人可信度哪来？看他自己的档案——信任的递归。

class ReputationBureau:
    """信用档案局：贝塔声誉 + 证人加权 + 时间衰减。"""
    def __init__(self, prior=0.5):
        self.records = {}          # 镇民 -> [alpha, beta]
        self.prior = prior         # 中性先验，压住小样本波动

    def _entry(self, who):
        return self.records.setdefault(who, [self.prior, self.prior])

    def record(self, who, success, decay=1.0):
        alpha, beta = self._entry(who)
        alpha, beta = alpha * decay, beta * decay     # 时间衰减
        if success:
            alpha += 1
        else:
            beta += 1
        self.records[who] = [alpha, beta]

    def score(self, who):
        alpha, beta = self._entry(who)
        return alpha / (alpha + beta)

    def merge_witness(self, about, witness, successes, failures,
                      witness_credibility):
        """并入证人证词：按证人对证人的信任打折。"""
        alpha, beta = self._entry(about)
        alpha += witness_credibility * successes
        beta += witness_credibility * failures
        self.records[about] = [alpha, beta]

bureau = ReputationBureau(prior=0.5)
for _ in range(7):                     # 直接经验：七次按时交货
    bureau.record("iron-smith", success=True)
bureau.record("iron-smith", success=False)   # 一次延误
print("铁匠信誉:", round(bureau.score("iron-smith"), 3))

# 证人证词：可信的木匠作证，不可信的中间商也插一嘴
bureau.merge_witness("iron-smith", "carpenter", 5, 0, 0.9)
bureau.merge_witness("iron-smith", "broker", 0, 4, 0.3)
print("并入证词后:", round(bureau.score("iron-smith"), 3))

# 一季度衰减后（对半折旧）再来两单
bureau.record("iron-smith", True, decay=0.5)
bureau.record("iron-smith", True, decay=0.5)
print("衰减后再记两单:", round(bureau.score("iron-smith"), 3))
​

留意证词的折扣威力：木匠证词打九折计入，中间商那几条差评只按三折记——证词的分量，取决于证人的档案。再留意衰减的作用：功劳与过错都会过期，系统被逼着持续表态。

攻击演练：档案也会被钻

声誉系统是个分发利益的地方，有利可图就有攻击。三类经典攻击与防线：

用代码演练漂白攻击与身份成本防线：

class Town:
    """带身份成本的小镇：注册要交费，新身份先验分打折。"""
    ENTRY_FEE = 8
    NEWBIE_DISCOUNT = 0.7      # 新身份的社会声誉先验折扣

    def __init__(self):
        self.bureau = ReputationBureau(prior=0.5)
        self.cash = {}

    def enroll(self, name):
        self.cash[name] = -self.ENTRY_FEE        # 入镇费记负债

    def trade(self, name, honest, rounds):
        for _ in range(rounds):
            self.bureau.record(name, honest)

    def effective_score(self, name, tenure):
        """综合声誉与镇龄的可用分：新身份按在镇时间折减。"""
        trust = self.bureau.score(name)
        discount = min(1.0, self.NEWBIE_DISCOUNT + 0.3 * (tenure > 3))
        return round(trust * discount, 3), self.cash[name]

town = Town()
town.enroll("honest-old")                       # 老实人：长期经营
town.trade("honest-old", True, 20)
print("老实老镇民:", town.effective_score("honest-old", tenure=10))

town.enroll("crook-1")                          # 骗子一号：骗完就跑
town.trade("crook-1", False, 4)
print("骗子一号跑路前:", town.effective_score("crook-1", tenure=4))

town.enroll("crook-2")                          # 漂白重来的骗子二号
town.trade("crook-2", True, 3)
print("漂白的新身份:", town.effective_score("crook-2", tenure=1))
​

对比结果：漂白者的新身份虽然档案干净，但要交入镇费、先验分打折、短期镇龄再折减——骗一圈换一个马甲的路数，每次重启都在交"身份税"。当行骗收益赶不上重启成本，漂白就无利可图。声誉安全的经济学本质：让作恶的成本前置且不可逃避，让洗白的花费高于作恶的收益。

⚠️ 常见坑：把声誉分直接当真理用。贝塔分是统计估计，样本小的镇民分数抖得厉害（两单全好评就是满分）；比较两个镇民时至少要看样本量，或给分数挂置信区间。另一个坑是衰减系数拍脑袋：衰减太快老好人躺不住、衰减太慢罪过洗不掉，应当跟"交易频率"挂钩调参。

💡 关键直觉：声誉系统把第 3 章的合同网从"熟人社会"升级成"陌生人社会"。授标前查一次档案，等于把对手的历史博弈记录拉进当前决策——这正是博弈论里"声誉效应"的工程化，第 6.3 节讲重复博弈时会从理论上再证一次它的威力。

沙盘推演小结

信用档案局挂牌当日，查档处排起了队：招标的管理者查投标者的分，仲裁人查证人的分，连证词本身也要先验明正身。漂白者发现换马甲要先交入镇费，合谋的小圈子被离群检测揪了出来。法庭三章至此收官——冲突有梯子可下，裁决有规则可依，历史有档案可查。下一章推开博弈会馆的大门：既然人人都在算计，那就把算计本身变成数学。