大家好，我卡頌。

當我們看一個開源項目時，基本都會看下他有多少star。雖然Github Star是一個虛榮指標，但卻有實際意義，比如：

很多開發者會關注Github Star增長趨勢，更多的star會獲得更多關注

star數量往往是技術選型的一個依據。即使你的團隊最終沒有使用一個star很多的開源庫，但通常也不會使用一個star很少的庫

換個思路來看也許更能體現Github Star的價值 ——「軟件開源」并不意味著不賺錢，這只是一種產品開發策略。star數一定程度上反映了這種策略執行的是否成功。

而「策略執行是否成功」又會影響投資人的投資決策，以及團隊能否以更低成本（甚至白嫖）招募優秀的開發人員。

有利益驅動就會有刷量、造假行為出現。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Github Star值多少錢？

Star的售價

網上已經有公開渠道購買Github Star，比如：GitHub24或Baddhi Shop[1]（在這個網站，你能花錢刷各種網站的行為數據，甚至能刷IMDb電影評分）。

Star的售價差異很大，比如：

64刀可以買到1000個三無賬號的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，是因為鑒別難度不同。

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

再深究的話，會發現這些點贊賬號還有很多共性，比如：

Followers < 1

Following < 1

個人公開倉庫數量 < 4

很多個人信息（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官方會定期清理這些賬號。所以，如果你花錢刷了1000star，可能過一個月就都消失了。

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，如果自己的項目好不容易做出點名氣，但被人扒出曾經刷star，那就尷尬了。

識別高端造假

但對于那些高價刷的star，這類檢測機制就不太好用了。因為這類賬號會模仿正常開發者的行為，光從行為數據上，很難將他們和正常開發者區分。

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

提交代碼

給其他倉庫提PR

star某個項目

修改個人簡介

這樣就能將這個Github賬號表示為高維向量空間中的一個點。那些向量空間中相近的點對應的Github賬號，可以被歸類為同類賬號。

基于以上原理，dagster成員新建了個倉庫，并高價刷了star：

這么做的目的是用那些點star的Github賬號做聚類分析，標記出一個類。當完成聚類后，如果發現某個Github賬號也屬于這個類，那就可以懷疑這個賬號也是假賬號。

那么，為什么假賬號能夠聚類呢？這是因為這些賬號雖然在模仿正常開發者，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腳本在操作，那么在行為邏輯、行為執行的時間上比較類似

他們都會給同一批倉庫（服務的買主）點star

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

如果他們的同類中有實錘的假賬號，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

藍色部分是所有用戶

紅色部分是明確的假Github賬號

黃色部分是根據聚類，被懷疑的假賬號

由于已知這個倉庫的所有star都是刷的，所以其實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的項目（這里以dagster[6]為例），點star的用戶行為基本不會與假賬號有交集：

對于一個刷了star，同時又有實際參與者的項目，分析結果如下圖：

總結

雖然star數是虛榮指標，但由于他是很多決策的參考依據，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，經過上述dagster的方式檢測后會發現，所有為okcash點star的賬號中，疑似虛假刷star的賬號占比達到97% 。相信這一結果會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]。