0x9a.com
基于 PoW 的防作弊 GPU 排行榜
做 GPU 排行榜，最容易想到的方案是：本地跑一次 benchmark，然后把分数上传。
问题是，只要榜单公开、分数有比较价值，作弊几乎一定会出现。因为在这个模型里，客户端既是运动员，也是裁判：它既负责计算结果，也负责上报结果。只要上报链路可控，伪造成绩的门槛就不高。
我后来把这个问题换了个思路：不让客户端“报分”，而让客户端“交证明”。这就是 PoW 在排行榜场景里的价值。
先说清楚：什么是 PoW？
PoW（Proof of Work，工作量证明）可以理解为一种“先做题，再交卷”的机制。
给定一段输入（challenge），你要找到一个 nonce，使得哈希结果满足某个难度条件，例如：
- 哈希前面有足够多的 0；或
- 哈希值小于目标阈值（target）。
可以写成：
hash(challenge || nonce) < target
PoW 有两个关键特性：
- 求解难：不知道答案时，通常只能大量尝试。
- 验证易：拿到
nonce后，服务端算一次哈希就能判断真伪。
这正好适合“防伪造成绩”的需求：你可以伪造一个数字，但很难伪造一批真实可验的解。
基于 PoW 的典型应用
PoW 并不只属于加密货币，它在很多“需要低成本验证工作量”的场景都很实用。
1. 区块链（最经典）
以比特币为代表的 PoW 区块链里，矿工要持续尝试 nonce，找到满足难度目标的区块哈希，才能获得出块资格。
它的核心价值是：
- 用可量化的计算成本来竞争记账权；
- 让篡改历史需要付出极高算力代价；
- 通过难度调整维持相对稳定的出块节奏。
简单说，区块链用 PoW 解决的是“在不互相信任的开放网络里，谁有资格写入下一块数据”。
2. 防机器人验证码（Cap.js）
像 Cap.js 这类现代 CAPTCHA，也在用 PoW 做防滥用。
根据其文档，Cap.js 的思路是：
- 用 SHA-256 PoW 代替传统图片点选题；
- 叠加 instrumentation challenge（浏览器环境校验）作为第二层验证；
- 强调 self-hosted、privacy-first、无追踪（no telemetry / tracking）。
这类方案的目标不是“让人类看图识字”，而是“让批量自动化请求付出可观计算成本”，从而抬高攻击方的经济开销。
为什么 PoW 适合 GPU 排行榜
把 PoW 用在 GPU 排行榜里，有几个天然优势：
- 任务统一：所有设备都在做同类计算，比较口径一致。
- 结果可验：服务端不必重跑整轮测试，只需验解。
- 对并行友好：大量 nonce 尝试非常适合 GPU。
- 浏览器可运行：WebGPU / WebGL2 都能执行，不要求安装客户端。
于是排行榜的核心从“谁报的分数更高”变成“谁提交了更多、且可验证的有效工作量”。
从“自报分数”到“可验证成绩”
这类排行榜可以用一条更可信的流程：
- 服务端签发一次性 challenge/session。
- 客户端在本地 GPU 上求解，得到一组 nonce。
- 客户端提交的不是 benchmark 分数，而是 nonce 列表。
- 服务端逐个验证 nonce 的有效性。
- 最终分数由服务端按“已验证工作量 / 服务端观测耗时”计算。
一个常见写法是：
effective_hashrate = verified_work / server_elapsed_time
这里最重要的是：计时和计分都由服务端主导，客户端只负责“算”和“交证明”。
反作弊真正依赖的是“约束组合”
PoW 本身很重要，但真正提高可信度的是围绕它的一组约束：
- 不信客户端时间：避免本地改计时、改 UI 直接影响榜单。
- 一次 challenge 只允许一次有效提交：防止反复挑最优结果。
- 最短时长门槛：避免只截取瞬时峰值提交。
- 限流与异常标记：把明显异常数据隔离在主榜之外。
- 二次审计（可选）：对高价值成绩做更严格复核。
这些约束叠加后，系统不再追求“完全不可作弊”，而是把作弊成本抬高到远高于正常参与成本。
排行榜展示也会影响可用性
除了“怎么算分”，还要考虑“怎么展示分数”。
一个更实用的策略是：
- 主榜按 GPU 型号最佳成绩 排序，而不是按提交次数堆叠；
- 另保留最近提交列表，用来观察近期波动。
这样榜单更接近“型号对型号”的比较，不会被同型号的大量相近成绩淹没。
边界：PoW 不是银弹
需要强调的是，PoW 方案并不能保证绝对公平。
开放客户端环境里，始终存在脚本自动化、设备信息伪装、驱动差异、平台抖动等现实问题。PoW 的意义不在于“彻底杜绝作弊”，而在于把排行榜从“几乎无法验证”推进到“可验证、可审计、可持续运营”。
这已经是一个很大的改进。
回到我的实践：nierf.com
最后还是回到这个问题本身：我做的 nierf.com GPU 排行榜，核心目标并不是“做一个更炫的跑分页面”，而是尽量让榜单结果更可验证。
对应到实现思路，就是把“提交分数”改成“提交 PoW 解”，再由服务端统一验算和计分。这样至少能避免最直接、最廉价的伪造成绩方式，让排行榜更接近真实算力表现。
结语
GPU 排行榜最难的从来不是跑分本身，而是让公开榜单尽量保持参考价值。
把机制从“客户端自报分数”改成“客户端提交 PoW 解、服务端验算计分”，本质上是在重建信任边界：
- 客户端负责算力输出；
- 服务端负责真实性判断。
PoW 不是银弹，但它确实是一条务实、可落地的防作弊路线。