梦晨 克雷西 发自 凹非寺
转载自：量子位（QbitAI）
在黑市买GitHub星星多少钱？
最贵的高达6元一颗。
有创业者Yassin Eldeeeb自掏腰包测试了一把。他足足花20欧元（约156人民币），只买到25颗“高级星星”。
没错，在黑市上刷GitHub星星也是分高低贵贱的。
高级的都是注册一年以上的账号来刷，昵称头像工作地点等个人资料非常自然绝不重样。
甚至至少还有一个对其他开源项目的贡献记录等，不但算法检测不出来，肉眼看也没毛病。
便宜的最低可做到0.4-0.88元一颗星星，这种就是最简单的新注册空号去刷了，默认头像，随机生成昵称的那种。
买了一个月以后发现都已经被平台封号处理，买到的星星也跟着消失了。
不过这种廉价服务最疯狂的地方在：失效了可以联系卖方，免费包重刷。
具体有多少人购买这种服务无从得知，不过Eldeeeb注意到他的账单编号是#57189，说明成交量绝对不在少数。
像这样的“黑市”刷星服务，最近被频频曝光，也在开发者社区成了话题热榜的常客。
大家的讨论中，有一个最奇葩的开源项目，被检测出有97%的星都是假的。
假星检测器
检测出这个奇葩项目的是另一位创业者Fraser Marlow，他偶然发现了GitHub黑市的存在。
同时他也注意到投资人越来越重视GitHub标星数，当作评估开源产品的指标了。
不过作为数据管道服务公司Dagster的增长主管，他不但没有给自己产品刷星——
反而与识别垃圾邮件的专家合作，收集数据并开发了一个假星检测器。
具体分为两种算法，简单算法只能检测出那些“一眼假”的。
比如大批账号都给相同的两个项目标星，没有贡献记录，除了头像和用户名不同其他一毛一样那种。
但对于开头提到的那种6元一星的高级账号，简单算法就无能为力了。
为此，Dagster还设计了一种更复杂的监督聚类算法。
原理也很简单，一批假账号会具有相似的特征，在可视化中可以聚集在一起。
而正常用户的特征应该相当独特，在统计上非常分散，不应该属于任何大的群体。
举个栗子来说，正常的GitHub账号不是每天都有活动记录，如果一群账号活跃的日期都重合，就表明它们很有可能是受同一个脚本控制的。
为验证算法可靠性，他们创建了一个靶子仓库，并真的去购买了刷星服务。
聚类算法在测试中表现非常好，接近100%的匹配率。
在更复杂的真实数据上，也达到了98%的精确度和85%的召回率。
接下来，团队在Github Archive公开数据集上综合使用两种算法测试。
一测不得了，造假最严重的okcash总标星759，简单算法只发现一个疑似假星，结合聚类算法直接蹦到97%，
由于计算成本较高，测试中只分析了2022年1月1日及之后获得的星星。
也就是说，还有很多2022年之前刷星的项目没有被揪出来。
与之相比，他们检测了自己的产品Dagster和几个同行，刷星率都比较低，看来数据管道这个行业还是比较健康的。
在这之后，他们与GitHub团队分享了这些发现，并把检测器也开源了。
曝光48小时之内，GitHub和刷星供应商都行动起来，他们测试用的“靶子仓库”中的假星都消失了。
据GitHub方面回应，其实多年以来一直都在积极打击刷星行为，但仍旧频发，根本管不住。
之前就有学术研究，通过数据分析找出63872个可疑账号，但其中只有不到5%被GitHub平台自己检测出并封号。
研究推测，刷星行业早在2018-2019年就获得了341万-437万美元的利润。
那么为什么会有人花大价钱买GitHub标星，真的能带来实际收益么？
投资人：我们就爱看星标
开源项目团队选择“刷星”的一个重要目的，就是吸引投资者的目光。
一家风险投资公司的合伙人Pratima Aiyagari 表示，做开源项目极大可能很久都赚不到钱。
既然收入情况没法拿来参考，那就要多看一看产品本身的状况了。
考察开源项目最准确的方式是查看代码，但这种方法复杂繁琐且专业性强，并没有成为投资者的首选方式。
于是投资者找出了替代方法——看星标——实际上，他们天生就会寻找快速增长的新账号。
除了绝对数量，风投公司Runa还专门设计了一种名为ROSS指数的指标，依据星标数年增长率对团队进行排名。
Runa的一名合伙人Konstantin Vinogradov说，ROSS指标已经成为了开源项目遵循的重要标准，排名靠前的开源项目中有三分之一都获得了融资。
不过伴随着“刷星”现象的出现，投资者对星标数的看法也开始弱化。
投资人Kevin Zhang说，星标数可能可以成为一块“敲门砖”，但不意味着投资者会因为星标数和项目团队“第二次见面”。
这也印证了学术界的看法——加州大学圣地亚哥分校助理教授Stuart Geiger表示，随着时间的推移，指标（星标数）可能会自行失效。
这就涉及到了两条社会科学定律——坎贝尔定律和古德哈特定律。
坎贝尔定律说，决策当中使用的一项指标越受重视，就越容易被操纵。
好比网络购物，实物我们看不见摸不着，自然就会参考其他买家的评价，于是“刷单”现象也就应运而生了。
古德哈特定律则认为，如果一项指标被人们刻意追逐，那就不（或不再）是一个好的指标。
但在没有更好的替代指标的情况下，就必须确保数据的真实度了，就好像在考试中要不遗余力地打击作弊一样。
不过，除了想吸引投资者的团队之外，还有许多个人开发者也会“刷星”。
目的和创业团队有异曲同工之处，只不过吸引的不是投资者而是HR，希望高星项目能在求职中为他们带来优势。
事实上，也的确有企业将GitHub信息作为评价求职者的指标，甚至有人凭借套壳项目就斩获了Google的offer。
除了选人，在技术选型时也是同样的道理——很多人（尤其非专业人士）会倾向于使用高星项目。
除了GitHub，还有综合型产品发布平台Product hunt，数据类产品平台kaggle，以及IT问答平台StackOverFlow等媒介也越来越多的受到投资人的关注。
不过如果不能建立有效的“防刷单”策略，可能最终也难逃换汤不换药的命运。
对于这种现象，有人总结是“Fake it till they make it.”——
如同“先上车后补票”一样，先假装自己已经成功，直到真的成功为止。
One More Thing
AI，特别是大模型的发展，让检测虚假账户越来越难了。
以前的造假可能只是刷刷星标和点赞，判断用户真伪的方式主要是看账户本身的特征。
但自从有了ChatGPT以后，还可以刷以假乱真而且不重样的评论。
如果一个账户命中了虚假账号的特征，但发布的回复却和真人毫无二致，该如何判断它的真伪？
参考链接：
[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
ICCV / CVPR 2023论文和代码下载
后台回复：CVPR2023，即可下载CVPR 2023论文和代码开源的论文合集
后台回复：ICCV2023，即可下载ICCV 2023论文和代码开源的论文合集
扫描下方二维码，或者添加微信：CVer444，即可添加CVer小助手微信，便可申请加入CVer-计算机视觉或者Transformer 微信交流群。另外其他垂直
方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF等。
一定要备注：研究方向+地点+学校/公司+昵称（如目标检测或者Transformer+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群
▲扫码或加微信号: CVer444，进交流群
CVer计算机视觉（知识星球）来了！想要了解最新最快最好的CV/DL/AI论文速递、优质实战项目、AI行业前沿、从入门到精通学习教程等资料，欢迎扫描下方二维码，加入CVer计算机视觉（知识星球），已汇集近万人！
▲扫码加入星球学习
整理不易，请点赞和在看
