Friend.tech的潜在风险分析

此前，Beosin 曾发表过《Friend.tech 暴露 10 万 + 地址的关联信息，社交类 Dapp 隐私该如何保障？》文章，我们谈到从 Friend.tech 开启邀请制 Beta 测试以来，这款去中心化社交应用迅速吸引了大量用户，甚至吸引了**加密货币影响者的关注。同时文章也谈到 Friend.tech 暴露 10 万 + 地址的关联信息对用户的影响。

目前，Friend.tech 热度愈演愈烈，社交媒体平台上得到了广泛传播和分享。对于任何一个火热的项目，我们在参与前都需要关注其潜在的风险，这样才能保障资金安全。Friend.tech 的火热会持续多久？其 Key 的定价模型是怎样的？产品存在哪些潜在风险？今天我们就为大家梳理一下。

Friend.tech 介绍

Friend.tech 是构建在 Base 区块链上的去中心化社交应用，用户需要通过绑定推特和钱包来使用 Friend.tech 并以此获利。Friend.tech 的定位是将用户的影响力代币化，用户可以购买其他用户的「Key」（原名为 Share）以获得和其他用户直接交流的权限。

仅仅在推出的第一周，Friend.tech 上的交易量就超过了 7,000 ETH，显示出其强大的市场吸引力。至 9 月 27 日，已有超过 27 万名用户在平台上完成了 792.7 万笔交易。

Key 定价模型

Key 的定价没有采用传统的订单簿或者去中心化交易所常用的 AMM 恒定乘积模型来定价，而采取了基于当前 Key 在平台上的总持有量的固定价格模型，即 Key 的价格只与持有者数量有关。下文用 S 表示当前持有量。

每一个 Key 被购买时，Key 价格为（S^2 / 16000）ETH。当用户注册完成 Friend.tech 的账户后，用户就持有自己的 Key 了。此时持有量 S 为 1，随后购买该用户第二份 Key 的价格为 1^2/16000 ETH，即0.0000625 ETH

当用户出售 Key 时，售价为 (S − 1)^2 / 16000。每增加 1 份持有量，Key 的涨幅为 (2S+1)/S^2。值得注意的是，初期 Key 的涨幅非常大，如果出现第 2 份 Key 的购买者，那么 Key 的价格将上涨 300%；但随着持有量增加，涨幅会越来越小，第 11 份 Key 的购买者对于价格的影响约为 19%，不足以涵盖买卖的手续费 ( 在实际交易中，用户在购买或售出 Key 时都需额外支付 10% 手续费 )，需要有更多的购买者进来才能获利。

因此，实际交易中，购买的份数越靠后，回本所需的持有量越多。当 Key 持有量达到 50 时，持有量需要比购入时增加约 10% 才能让用户回本；在回本前，增量用户需要付出的总费用将成指数上升。若用户购入某 Key 的第 100 个份额，将需要等待后续用户购买 11 个 Keys（后续总花费约为 8 ETH），才能卖出回本；而如果是第 200 份 Key，则需要后续购买者花费约 68 ETH 才能回本。

Friend.tech 固定价格模型的优势在于：

（1）早期 Key 价格上升迅速，易制造财富效应和 FOMO 情绪。第 1 份 Key 与第 10 份 Key 的价格相差 100 倍，早期玩家以极小的投入可以获得高倍数以及不错的回报。

（2）价格上涨需要新用户的进入，变相锁仓留住用户。由此激励影响力大的 KOL 进驻 Friend.tech，用户也会选择持有影响力大的 KOL 的 Key 以期望获利。

其劣势在于：

（1）Key 的持有量有上限。上文已分析 Key 后面的份数价格昂贵且回本难度大，这对于新用户的加入是非常高的壁垒。目前 Friend.tech 上 Key 持有量**为 343，价格为 7.353 ETH。而目前 Key 的总数为 190836，约千分之一的 Key 持有量超过 100。

（2）Key 创建者的收入，Key 的价格与 Key 创建者在 Friend.tech 产生的内容几乎无关，这对于一款定位为社交赛道的应用来说缺乏可持续性。

（3）机器人泛滥，无有效反女巫措施。因为 Base 网络的排序器 (Sequencer) 是由 Coinbase 掌控，其他用户无法主动掌握区块的交易排序，因此 Friend.tech 的狙击机器人很可能是用以下策略进行狙击的：

首先，机器人会监控 Base 的 L2CrossDomainMessenger 合约地址，检查与该合约交互的地址是否为 Base 上的新账户。

其次，检测到新账户后，马上开始调用 Friend.tech Shares 合约 (0xcf205808ed36593aa40a44f10c7f7c2f67d4a4d4)，在 buyShares() 函数中传入新账户地址和份数，尝试购买该账户**的 Key。

通过每秒提交多笔 gas 不同但内容相同的交易，尽可能在新账户创建 Key 后第一时间买入。排序器会根据 gas 和接收时间对交易进行打包上链。这种滥发交易和抢跑行为大大降低了用户体验，损害了真实用户的利益。

Friend.tech 爆火原因

推特博主引入流量

作为一款社交产品，Friend.tech 通过将影响力代币化为 KOL 提供了可观的收益。由于 Keys 的定价模型，用户每次购买 Shares，对应的 KOL 都将获得 5% 的交易费用。因此，Friend.tech 对于影响力大的 KOL 是非常有吸引力的，KOL 可以通过 Friend.tech 获得粉丝经济的收益，而 KOL 的进驻又为 Friend.tech 带来了用户数和知名度的提升。而在 TOKEN2049 期间，由于传播效应与聚集效应，不少加密人士尝试使用 Friend.tech。

渐进式网络应用程序（PWA）

Friend.tech 采用 PWA，让其网页应用程序可以在多种设备上运行。对于项目方来说，PWA 比起原生应用难度更低，开发周期更短。对于用户来说，只需要有浏览器即可使用 Friend.tech，可以做到即开即用。

推出积分系统与空投

8 月 19 日，Friend.tech 在推特上宣布 Paradigm 将参与其种子轮融资，并且会与 Paradigm 合作构建新的社交工具。同时 Friend.tech 宣布这些积分在为期 6 个月的测试阶段结束后会有特殊用途（即空投）。有 Blur 的空投效益在前，目前 Friend.tech 吸引了一大批空投猎人，为 Friend.tech 贡献数据量。

Friend.tech 衍生工具

FriendSniper

一款电报机器人，提供 Friend.tech 新增用户提醒，Key 狙击买入，跟单交易和限价止盈止损的服务。FriendSniper 的狙击功能目前处于测试阶段，且代码未开源，用户使用时需注意风险。

FrenTrade

FrenTrade 是一个 Friend.tech 的信息聚合平台。用户可以在该平台上查看目前流行交易的 Key，新上线的 Key 和**发生交易的 Key 等信息。

FriendMEX

FriendMEX 提供购买 Key，查看 Key 价格走势，显示实时交易等服务，是由前 Paradigm 的研究员 Anish Agnihotri 专门为交易 Key 开发的项目。

Hyperliquid

Hyperliquid 推出了针对 Friend.tech 的指数永续合约 FRIEND-USD，该指数通过多重标准选出 20 个账户的 Key，跟踪它们每份买入价的中位数。该指数每周周三会更新指数中各 Key 的比例因子。

Friend.tech 潜在风险

通过Beosin VaaS工具扫描 Friend.tech 业务合约，结合 Beosin 安全审计专家的分析，我们发现 Friend.tech 有以下风险：

1. 中心化风险，owner 可以无限制的调整手续费率，从而收取高昂的手续费，甚至可以设置 * 的手续费让用户收不到卖出的钱，也可以设置超过 * 的手续费率来停用买入卖出功能。

2. 业务逻辑风险，sharesSubject 地址即股权发行人最初可以免费获得 1 股，并且不能售卖**的 1 股。假设用户买入 1 股后，若发行人卖出，则用户将无法卖出，遭受损失。

3. 由于股权总量越大买价和卖价都越高，可能存在早期大户购入大量股权的情况，随着总量的增加可抛售获利，后期的用户购买的股权则可能产生亏损，参与投资需注意资金风险。

4. 用户注册 Friend.tech 后是由 Friend.tech 生成一个新的钱包。Friend.tech 表示新生成的钱包为 MPC 钱包，私钥只有用户能完整访问。但 Friend.tech 并未经过任何代码审计，其私钥生成和保管流程依然是黑盒。

总结

Friend.tech 目前仍处于非常早期的阶段，重金融交易属性，社交功能相对非常简单，采用积分空投的方式来实现用户留存，用户需留意相关风险。Key 定价模型适合早期启动，但上限明显，后续 Friend.tech 如何持续获得新用户是一个难题。对于关注 Key 交易的用户来说，围绕 Friend.tech 构建的交易工具和项目陆续上线，此类用户可以使用衍生工具非常方便地进行 Key 相关的交易。

此前，Beosin 曾发表过《Friend.tech 暴露 10 万 + 地址的关联信息，社交类 Dapp 隐私该如何保障？》文章，我们谈到从 Friend.tech 开启邀请制 Beta 测试以来，这款去中心化社交应用迅速吸引了大量用户，甚至吸引了**加密货币影响者的关注。同时文章也谈到 Friend.tech 暴露 10 万 + 地址的关联信息对用户的影响。