一個(gè) Github Star 值多少錢？

當(dāng)我們看一個(gè)開源項(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：

• 很多開發(fā)者會(huì)關(guān)注Github Star增長趨勢，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)最終沒有使用一個(gè)star很多的開源庫，但通常也不會(huì)使用一個(gè)star很少的庫

換個(gè)思路來看也許更能體現(xiàn)Github Star的價(jià)值 —— 「軟件開源」并不意味著不賺錢，這只是一種產(chǎn)品開發(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？

Star的售價(jià)

網(wǎng)上已經(jīng)有公開渠道購買Github Star，比如：GitHub24或Baddhi Shop^[1]（在這個(gè)網(wǎng)站，你能花錢刷各種網(wǎng)站的行為數(shù)據(jù)，甚至能刷IMDb電影評分）。

Star的售價(jià)差異很大，比如：

• 64刀可以買到1000個(gè)三無賬號的star

• 要買到100顆有活躍行為賬號的star，可能得85刀

如何識別刷Star

之所以兩者差異巨大，是因?yàn)殍b別難度不同。

對于這個(gè)zadahmed/music_recommender^[2]倉庫，可以明顯看到有部分點(diǎn)贊者的賬號是同一天注冊的：

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

• Followers < 1

• Following < 1

• 個(gè)人公開倉庫數(shù)量 < 4

• 很多個(gè)人信息（比如郵箱、簡介）為空

這類共性讓這些假賬號很容易被識別，Github官方會(huì)定期清理這些賬號。所以，如果你花錢刷了1000star，可能過一個(gè)月就都消失了。

除了Github官方以外，還有些工具可以識別假賬號，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。

識別高端造假

但對于那些高價(jià)刷的star，這類檢測機(jī)制就不太好用了。因?yàn)檫@類賬號會(huì)模仿正常開發(fā)者的行為，光從行為數(shù)據(jù)上，很難將他們和正常開發(fā)者區(qū)分。

這里開源編排平臺dagster^[5]提供了一個(gè)檢測思路 —— 他們使用一種被稱為unsupervised clustering（無監(jiān)督聚類）的機(jī)器學(xué)習(xí)技術(shù)。簡單來講，我們可以用一組行為特征來描述一個(gè)Github賬號，比如：

• 提交代碼

• 給其他倉庫提PR

• star某個(gè)項(xiàng)目

• 修改個(gè)人簡介

這樣就能將這個(gè)Github賬號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)對應(yīng)的Github賬號，可以被歸類為同類賬號。

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

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

那么，為什么假賬號能夠聚類呢？這是因?yàn)檫@些賬號雖然在模仿正常開發(fā)者，但他們之間也有很多類似行為，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)間上比較類似

• 他們都會(huì)給同一批倉庫（服務(wù)的買主）點(diǎn)star

舉個(gè)例子，有兩個(gè)Github賬號，雖然他們之間并無交集（倉庫的編程語言不同、開發(fā)者國籍不同...），但他們都在某幾天做著同類的事（比如先瀏覽一些倉庫，再發(fā)表評論，最后給某個(gè)倉庫star），那么他們會(huì)被劃分為同類。

如果他們的同類中有實(shí)錘的假賬號，那么他們大概率也是假賬號。

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

• 橫軸是日期跨度

• 縱軸是賬號交互的倉庫總數(shù)

• 藍(lán)色部分是所有用戶

• 紅色部分是明確的假Github賬號

• 黃色部分是根據(jù)聚類，被懷疑的假賬號

由于已知這個(gè)倉庫的所有star都是刷的，所以其實(shí)黃色部分的賬號也都是假賬號，通過聚類的方式他們被很好的識別出來了（和紅色部分同類）。

而對于完全沒有刷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)與假賬號有交集：

對于一個(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]是一款開源的加密貨幣，有578star。

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

如果你也想用dagster的方式檢測其他開源庫，可以參考這里^[8]。

參考資料