随着自主 AI 代理进入无需许可的链上市场，如何挑选可信的服务提供者仍是核心难题。现有声誉体系依赖稀缺资源，如人工审查、身份凭证或自愿评价，而单纯的交易量排名容易受到 Sybil 攻击。我们探讨能否直接利用链上支付历史来生成对 Sybil 攻击具备韧性的提供者评分。我们收集了跨 16 条区块链、为期 157 天、包含 6600 万笔、价值 610 万美元的代理交易数据，并将支付流建模为买家与提供者之间的二分图。提供者的评分来源于图中与买家已有可信网络相连的路径。基于此，我们提出三种抗 Sybil 的评分算法：一种基于最大流的评分方法，以及两种在保持评分质量的前提下进行松弛的改进算法。通过在 813 位买家上模拟对手行为，对这些算法进行评估。实验表明，操纵评分的成本约占这些买家总支出的 20%，且比传统的相似度规则（协同过滤）难以操纵约 23 倍。\n\n点评：Anduin 展示了利用链上支付图直接推导可信评分的可行性，并通过最大流等技术显著提升了系统对 Sybil 攻击的抵抗力，为去中心化服务市场提供了新的安全思路。