夢晨 克雷西 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

在黑市買Github星星多少錢？

最貴的高達6元一顆。

有創(chuàng)業(yè)者Yassin Eldeeeb自掏腰包測試了一把。他足足花20歐元（約156人民幣），只買到25顆“高級星星”。

沒錯，在黑市上刷GitHub星星也是分高低貴賤的。

高級的都是注冊一年以上的賬號來刷，昵稱頭像工作地點等個人資料非常自然絕不重樣。

甚至至少還有一個對其他開源項目的貢獻記錄等，不但算法檢測不出來，肉眼看也沒毛病。

便宜的最低可做到0.4-0.88元一顆星星，這種就是最簡單的新注冊空號去刷了，默認(rèn)頭像，隨機生成昵稱的那種。

買了一個月以后發(fā)現(xiàn)都已經(jīng)被平臺封號處理，買到的星星也跟著消失了。

不過這種廉價服務(wù)最瘋狂的地方在：失效了可以聯(lián)系賣方，免費包重刷。

具體有多少人購買這種服務(wù)無從得知，不過Eldeeeb注意到他的賬單編號是#57189，說明成交量絕對不在少數(shù)。

像這樣的“黑市”刷星服務(wù)，最近被頻頻曝光，也在開發(fā)者社區(qū)成了話題熱榜的常客。

大家的討論中，有一個最奇葩的開源項目，被檢測出有97%的星都是假的。

假星檢測器

檢測出這個奇葩項目的是另一位創(chuàng)業(yè)者Fraser Marlow，他偶然發(fā)現(xiàn)了GitHub黑市的存在。

同時他也注意到投資人越來越重視GitHub標(biāo)星數(shù)，當(dāng)作評估開源產(chǎn)品的指標(biāo)了。

不過作為數(shù)據(jù)管道服務(wù)公司Dagster的增長主管，他不但沒有給自己產(chǎn)品刷星——

反而與識別垃圾郵件的專家合作，收集數(shù)據(jù)并開發(fā)了一個假星檢測器。

具體分為兩種算法，簡單算法只能檢測出那些“一眼假”的。

比如大批賬號都給相同的兩個項目標(biāo)星，沒有貢獻記錄，除了頭像和用戶名不同其他一毛一樣那種。

但對于開頭提到的那種6元一星的高級賬號，簡單算法就無能為力了。

為此，Dagster還設(shè)計了一種更復(fù)雜的監(jiān)督聚類算法。

原理也很簡單，一批假賬號會具有相似的特征，在可視化中可以聚集在一起。

而正常用戶的特征應(yīng)該相當(dāng)獨特，在統(tǒng)計上非常分散，不應(yīng)該屬于任何大的群體。

舉個栗子來說，正常的GitHub賬號不是每天都有活動記錄，如果一群賬號活躍的日期都重合，就表明它們很有可能是受同一個腳本控制的。

為驗證算法可靠性，他們創(chuàng)建了一個靶子倉庫，并真的去購買了刷星服務(wù)。

聚類算法在測試中表現(xiàn)非常好，接近100%的匹配率。

在更復(fù)雜的真實數(shù)據(jù)上，也達到了98%的精確度和85%的召回率。

接下來，團隊在Github Archive公開數(shù)據(jù)集上綜合使用兩種算法測試。

一測不得了，造假最嚴(yán)重的okcash總標(biāo)星759，簡單算法只發(fā)現(xiàn)一個疑似假星，結(jié)合聚類算法直接蹦到97%，

由于計算成本較高，測試中只分析了2022年1月1日及之后獲得的星星。

也就是說，還有很多2022年之前刷星的項目沒有被揪出來。

與之相比，他們檢測了自己的產(chǎn)品Dagster和幾個同行，刷星率都比較低，看來數(shù)據(jù)管道這個行業(yè)還是比較健康的。

在這之后，他們與GitHub團隊分享了這些發(fā)現(xiàn)，并把檢測器也開源了。

曝光48小時之內(nèi)，GitHub和刷星供應(yīng)商都行動起來，他們測試用的“靶子倉庫”中的假星都消失了。

據(jù)GitHub方面回應(yīng)，其實多年以來一直都在積極打擊刷星行為，但仍舊頻發(fā)，根本管不住。

之前就有學(xué)術(shù)研究，通過數(shù)據(jù)分析找出63872個可疑賬號，但其中只有不到5%被GitHub平臺自己檢測出并封號。

研究推測，刷星行業(yè)早在2018-2019年就獲得了341萬-437萬美元的利潤。

那么為什么會有人花大價錢買GitHub標(biāo)星，真的能帶來實際收益么？

投資人：我們就愛看星標(biāo)

開源項目團隊選擇“刷星”的一個重要目的，就是吸引投資者的目光。

一家風(fēng)險投資公司的合伙人Pratima Aiyagari 表示，做開源項目極大可能很久都賺不到錢。

既然收入情況沒法拿來參考，那就要多看一看產(chǎn)品本身的狀況了。

考察開源項目最準(zhǔn)確的方式是查看代碼，但這種方法復(fù)雜繁瑣且專業(yè)性強，并沒有成為投資者的首選方式。

于是投資者找出了替代方法——看星標(biāo)——實際上，他們天生就會尋找快速增長的新賬號。

除了絕對數(shù)量，風(fēng)投公司Runa還專門設(shè)計了一種名為ROSS指數(shù)的指標(biāo)，依據(jù)星標(biāo)數(shù)年增長率對團隊進行排名。

Runa的一名合伙人Konstantin Vinogradov說，ROSS指標(biāo)已經(jīng)成為了開源項目遵循的重要標(biāo)準(zhǔn)，排名靠前的開源項目中有三分之一都獲得了融資。

不過伴隨著“刷星”現(xiàn)象的出現(xiàn)，投資者對星標(biāo)數(shù)的看法也開始弱化。

投資人Kevin Zhang說，星標(biāo)數(shù)可能可以成為一塊“敲門磚”，但不意味著投資者會因為星標(biāo)數(shù)和項目團隊“第二次見面”。

這也印證了學(xué)術(shù)界的看法——加州大學(xué)圣地亞哥分校助理教授Stuart Geiger表示，隨著時間的推移，指標(biāo)（星標(biāo)數(shù)）可能會自行失效。

這就涉及到了兩條社會科學(xué)定律——坎貝爾定律和古德哈特定律。

坎貝爾定律說，決策當(dāng)中使用的一項指標(biāo)越受重視，就越容易被操縱。

好比網(wǎng)絡(luò)購物，實物我們看不見摸不著，自然就會參考其他買家的評價，于是“刷單”現(xiàn)象也就應(yīng)運而生了。

古德哈特定律則認(rèn)為，如果一項指標(biāo)被人們刻意追逐，那就不（或不再）是一個好的指標(biāo)。

但在沒有更好的替代指標(biāo)的情況下，就必須確保數(shù)據(jù)的真實度了，就好像在考試中要不遺余力地打擊作弊一樣。

不過，除了想吸引投資者的團隊之外，還有許多個人開發(fā)者也會“刷星”。

目的和創(chuàng)業(yè)團隊有異曲同工之處，只不過吸引的不是投資者而是HR，希望高星項目能在求職中為他們帶來優(yōu)勢。

事實上，也的確有企業(yè)將GitHub信息作為評價求職者的指標(biāo)，甚至有人憑借套殼項目就斬獲了Google的offer。

除了選人，在技術(shù)選型時也是同樣的道理——很多人（尤其非專業(yè)人士）會傾向于使用高星項目。

除了GitHub，還有綜合型產(chǎn)品發(fā)布平臺Product hunt，數(shù)據(jù)類產(chǎn)品平臺kaggle，以及IT問答平臺StackOverFlow等媒介也越來越多的受到投資人的關(guān)注。

不過如果不能建立有效的“防刷單”策略，可能最終也難逃換湯不換藥的命運。

對于這種現(xiàn)象，有人總結(jié)是“Fake it till they make it.”——

如同“先上車后補票”一樣，先假裝自己已經(jīng)成功，直到真的成功為止。

One More Thing

AI，特別是大模型的發(fā)展，讓檢測虛假賬戶越來越難了。

以前的造假可能只是刷刷星標(biāo)和點贊，判斷用戶真?zhèn)蔚姆绞街饕强促~戶本身的特征。

但自從有了ChatGPT以后，還可以刷以假亂真而且不重樣的評論。

如果一個賬戶命中了虛假賬號的特征，但發(fā)布的回復(fù)卻和真人毫無二致，該如何判斷它的真?zhèn)危?/p>

參考鏈接：
[1]https://www.wired.com/story/github-stars-black-market-coders-cheat/
[2]https://news.ycombinator.com/item?id=37990338
[3]https://dagster.io/blog/fake-stars
[4]https://dl.acm.org/doi/10.1145/3427228.3427258

— 完 —

量子位 QbitAI · 頭條號簽約

關(guān)注我們，第一時間獲知前沿科技動態(tài)