一個(gè)Github Star值多少錢(qián)？

大家好，我卡頌。

當(dāng)我們看一個(gè)開(kāi)源項(xiàng)目時(shí)，基本都會(huì)看下他有多少star。雖然Github Star是一個(gè)虛榮指標(biāo)，但卻有實(shí)際意義，比如：

很多開(kāi)發(fā)者會(huì)關(guān)注Github Star增長(zhǎng)趨勢(shì)，更多的star會(huì)獲得更多關(guān)注

star數(shù)量往往是技術(shù)選型的一個(gè)依據(jù)。即使你的團(tuán)隊(duì)最終沒(méi)有使用一個(gè)star很多的開(kāi)源庫(kù)，但通常也不會(huì)使用一個(gè)star很少的庫(kù)

換個(gè)思路來(lái)看也許更能體現(xiàn)Github Star的價(jià)值 ——「軟件開(kāi)源」并不意味著不賺錢(qián)，這只是一種產(chǎn)品開(kāi)發(fā)策略。star數(shù)一定程度上反映了這種策略執(zhí)行的是否成功。

而「策略執(zhí)行是否成功」又會(huì)影響投資人的投資決策，以及團(tuán)隊(duì)能否以更低成本（甚至白嫖）招募優(yōu)秀的開(kāi)發(fā)人員。

有利益驅(qū)動(dòng)就會(huì)有刷量、造假行為出現(xiàn)。既然微博僵尸粉都能影響廣告主的投放決策，那Github Star造假就不足為奇了。

那么，一個(gè)Github Star值多少錢(qián)？

Star的售價(jià)

網(wǎng)上已經(jīng)有公開(kāi)渠道購(gòu)買(mǎi)Github Star，比如：GitHub24或Baddhi Shop[1]（在這個(gè)網(wǎng)站，你能花錢(qián)刷各種網(wǎng)站的行為數(shù)據(jù)，甚至能刷IMDb電影評(píng)分）。

Star的售價(jià)差異很大，比如：

64刀可以買(mǎi)到1000個(gè)三無(wú)賬號(hào)的star

要買(mǎi)到100顆有活躍行為賬號(hào)的star，可能得85刀

如何識(shí)別刷Star

之所以兩者差異巨大，是因?yàn)殍b別難度不同。

對(duì)于這個(gè)zadahmed/music_recommender[2]倉(cāng)庫(kù)，可以明顯看到有部分點(diǎn)贊者的賬號(hào)是同一天注冊(cè)的：

再深究的話，會(huì)發(fā)現(xiàn)這些點(diǎn)贊賬號(hào)還有很多共性，比如：

Followers < 1

Following < 1

個(gè)人公開(kāi)倉(cāng)庫(kù)數(shù)量 < 4

很多個(gè)人信息（比如郵箱、簡(jiǎn)介）為空

這類(lèi)共性讓這些假賬號(hào)很容易被識(shí)別，Github官方會(huì)定期清理這些賬號(hào)。所以，如果你花錢(qián)刷了1000star，可能過(guò)一個(gè)月就都消失了。

除了Github官方以外，還有些工具可以識(shí)別假賬號(hào)，比如：

astronomer[3]

fake-star-detector[4]

想想，如果自己的項(xiàng)目好不容易做出點(diǎn)名氣，但被人扒出曾經(jīng)刷star，那就尷尬了。

識(shí)別高端造假

但對(duì)于那些高價(jià)刷的star，這類(lèi)檢測(cè)機(jī)制就不太好用了。因?yàn)檫@類(lèi)賬號(hào)會(huì)模仿正常開(kāi)發(fā)者的行為，光從行為數(shù)據(jù)上，很難將他們和正常開(kāi)發(fā)者區(qū)分。

這里開(kāi)源編排平臺(tái)dagster[5]提供了一個(gè)檢測(cè)思路 —— 他們使用一種被稱(chēng)為unsupervised clustering（無(wú)監(jiān)督聚類(lèi)）的機(jī)器學(xué)習(xí)技術(shù)。簡(jiǎn)單來(lái)講，我們可以用一組行為特征來(lái)描述一個(gè)Github賬號(hào)，比如：

提交代碼

給其他倉(cāng)庫(kù)提PR

star某個(gè)項(xiàng)目

修改個(gè)人簡(jiǎn)介

這樣就能將這個(gè)Github賬號(hào)表示為高維向量空間中的一個(gè)點(diǎn)。那些向量空間中相近的點(diǎn)對(duì)應(yīng)的Github賬號(hào)，可以被歸類(lèi)為同類(lèi)賬號(hào)。

基于以上原理，dagster成員新建了個(gè)倉(cāng)庫(kù)，并高價(jià)刷了star：

這么做的目的是用那些點(diǎn)star的Github賬號(hào)做聚類(lèi)分析，標(biāo)記出一個(gè)類(lèi)。當(dāng)完成聚類(lèi)后，如果發(fā)現(xiàn)某個(gè)Github賬號(hào)也屬于這個(gè)類(lèi)，那就可以懷疑這個(gè)賬號(hào)也是假賬號(hào)。

那么，為什么假賬號(hào)能夠聚類(lèi)呢？這是因?yàn)檫@些賬號(hào)雖然在模仿正常開(kāi)發(fā)者，但他們之間也有很多類(lèi)似行為，比如：

他們的行為可能都是同一個(gè)腳本在操作，那么在行為邏輯、行為執(zhí)行的時(shí)間上比較類(lèi)似

他們都會(huì)給同一批倉(cāng)庫(kù)（服務(wù)的買(mǎi)主）點(diǎn)star

舉個(gè)例子，有兩個(gè)Github賬號(hào)，雖然他們之間并無(wú)交集（倉(cāng)庫(kù)的編程語(yǔ)言不同、開(kāi)發(fā)者國(guó)籍不同...），但他們都在某幾天做著同類(lèi)的事（比如先瀏覽一些倉(cāng)庫(kù)，再發(fā)表評(píng)論，最后給某個(gè)倉(cāng)庫(kù)star），那么他們會(huì)被劃分為同類(lèi)。

如果他們的同類(lèi)中有實(shí)錘的假賬號(hào)，那么他們大概率也是假賬號(hào)。

在下面的圖表中，衡量了上述刷star的倉(cāng)庫(kù)（100% star都是刷的）中，點(diǎn)了star的那些Github賬號(hào)的行為，其中：

橫軸是日期跨度

縱軸是賬號(hào)交互的倉(cāng)庫(kù)總數(shù)

藍(lán)色部分是所有用戶

紅色部分是明確的假Github賬號(hào)

黃色部分是根據(jù)聚類(lèi)，被懷疑的假賬號(hào)

由于已知這個(gè)倉(cāng)庫(kù)的所有star都是刷的，所以其實(shí)黃色部分的賬號(hào)也都是假賬號(hào)，通過(guò)聚類(lèi)的方式他們被很好的識(shí)別出來(lái)了（和紅色部分同類(lèi)）。

而對(duì)于完全沒(méi)有刷star的項(xiàng)目（這里以dagster[6]為例），點(diǎn)star的用戶行為基本不會(huì)與假賬號(hào)有交集：

對(duì)于一個(gè)刷了star，同時(shí)又有實(shí)際參與者的項(xiàng)目，分析結(jié)果如下圖：

總結(jié)

雖然star數(shù)是虛榮指標(biāo)，但由于他是很多決策的參考依據(jù)，這就誕生了「刷star」的需求。

比如，okcash[7]是一款開(kāi)源的加密貨幣，有578star。

但是，經(jīng)過(guò)上述dagster的方式檢測(cè)后會(huì)發(fā)現(xiàn)，所有為okcash點(diǎn)star的賬號(hào)中，疑似虛假刷star的賬號(hào)占比達(dá)到97% 。相信這一結(jié)果會(huì)對(duì)這款加密貨幣的市場(chǎng)信心造成一定影響。

如果你也想用dagster的方式檢測(cè)其他開(kāi)源庫(kù)，可以參考這里[8]。