俄版百度44.7G源码泄露！遭前员工背刺，涉及搜索地图打车 ...

会飞的心

鱼羊 Pine 发自 凹非寺
量子位 | 公众号 QbitAI

俄罗斯第一大科技巨头，这回遇上了大麻烦：
44.7GB源代码，全被泄露到了网上。
什么概念？
就是这家名为Yandex的公司，几乎所有主要服务的源代码都被挖了个底掉……
要知道，在俄罗斯，Yandex不仅干着搜索引擎的活儿，还把俄国老百姓购物、打车、订外卖、租车这一连串生活服务都给包圆了。
简单来说，约等于俄版百度+淘宝+美团+滴滴。



这么大个事儿，自然引起了全世界网友的围观。
但就在众人纷纷猜测这又是哪家黑客手笔之际，Yandex的声明却有些令人大跌眼镜：

我们没有被黑，就是被前员工给卖了……

44.7GB源代码遭泄露，代码被扒了个底朝天

具体来说，泄密链接最早出现在了一个黑客论坛上。
泄密者称，这份44.7GB的Yandex代码库，包含该公司2022年7月以前，除反垃圾邮件规则之外的所有源代码。



这些被泄露出来的代码信息量到底有多大？
看看网友们热火朝天扒出来的细节就知道了……



Yandex不是以搜索引擎起家，常被称作“俄版百度”/“俄版谷歌”嘛，那就先以搜索引擎部分的代码为例。
一位名叫Alex Buraks的老哥就深扒了下Yandex搜索引擎的排名规则，还戏称这对理解谷歌SEO（搜索引擎优化）有很多有用的信息。
毕竟Yandex和谷歌的搜索结果有70%的匹配度，不少人认为其搜索技术用的就是谷歌同款：如PageRank、BERT等。
（掌握了Yandex的规则不就相当于透了谷歌排名算法的家底，手动狗头）



目前已经有大批吃瓜群众来围观，甚至Alex Buraks的这条线程曾在谷歌搜索“yandex”中排名第8。



有趣的是，在Yandex的排名因素中，排在第一个的就是PageRank。



Buraks还直接列出了Yandex的10个排名因素：

（1）链接的创建时间；（2）流量和有机流量的百分比；（3）URL中的数字不利于排名；（4）URL中的斜杠不利于排名；（5）负面情绪过重的PageRank=0；（6）主机可靠性；（7）“维基百科”还单独列了一个因素
；（8）用户行为：点击率，跳出率等；（9）文件年龄与上次更新日期；（10）所有查询域名的平均位置……

当然这还只是其中的一部分，Buraks表示后续还会继续分析。
除了Alex Buraks，也有不少营销大师深扒了Yandex的排名因素，甚至有人都详细整理出了完整的1900+个排名因素。



值得一提的是，在各路大神扒代码的过程中，Yandex搜索引擎的一些“潜规则”也被摆上了台面。
就比如说加拿大黑客Aubrey Cottle就在代码中发现了Yandex是容忍种族歧视的。



还有网友在代码中发现，Yandex的广告投放中，普通广告和色情广告是分开计算的。



官方声明：没有被黑，是前员工泄密

这事儿一出，很快还有一份详细的泄密文件目录被整理出来放在了GitHub上。
作者是一位名叫Arseniy Shestakov的软件工程师。据他评估，这些源代码确实涉及了Yandex的所有主要服务。
包括：

• 搜索引擎和索引机器人
  
• 地图服务
  
• AI语音助手
  
• 打车服务
  
• 广告服务
  
• 邮件服务
  
• 存储服务（类似百度网盘）
  
• 电商服务（类似淘宝）
  
• 旅游服务
  
• 云服务
  

还包括在线协同办公、支付、数据分析等等业务。
不过，泄露内容并不包括用户数据等敏感信息。
Arseniy Shestakov总结了几个关键细节：

• 泄露出来的主要是git存储库里的源代码，不包含git历史记录
  
• 所有文件日期均可追溯至2022年2月24日
  
• 大部分软件都没有预先编译好，只有少数例外
  
• 除了一些例外，没有预先训练好的机器学习模型
  

△Yandex办公楼

事情闹得这么大，Yandex官方也坐不住了，很快发表声明表示：其实我们并没有被黑，是前员工出卖了我们！

Yandex没有被黑。我们在公共领域发现了泄露自内部存储库的代码片段，但其内容与Yandex当前使用的代码版本并不相同。
存储库是用来存储和处理代码的工具。大多数公司都采用这种方式来使用代码。
代码库并未存储个人用户数据。
我们正在进行内部调查，但并没有发现该事件给用户数据和平台性能带来了任何威胁。

Yandex倒是信誓旦旦，但外部的专业人士却有不同看法。
据bleepingcomputer消息，前Yandex技术专家Grigory Bakunov对此事做出了回应。
他认为，这次代码泄露确实不会对用户的隐私或安全构成直接风险，也不会直接威胁到Yandex的专有技术。
不过一些文件仍可能会暴露正在运行的服务，比如说“blacklist.txt”，Bakunov还称：

尽管泄密的部分不涉及敏感数据，但黑客针对性利用代码中的安全漏洞，只是时间问题；
（BTW）虽然Yandex官方回应泄露的代码与公司工作服务中使用的当前代码不同，但相似度可能高达90%。

泄露代码目录：
https://gist.github.com/ArseniyShestakov/53a80e3214601aa20d1075872a1ea989
参考链接：
[1]https://www.bleepingcomputer.com/news/security/yandex-denies-hack-blames-source-code-leak-on-former-employee/
[2]https://arseniyshestakov.com/2023/01/26/yandex-services-source-code-leak/
[3]https://twitter.com/Kirtaner/status/1619007274202329091
[4]https://twitter.com/dom_woodman/status/1619028740201398274
[5]https://twitter.com/alex_buraks/status/1618988134850785280
— 完 —

摩羯揭

（这条线程）[惊喜]

一个不老的传说

还以为是百度呢，白高兴了

布满星辰的夜晚

蚌埠住

妥协

gitee上一样跑的是git

自是人生长乐水长东

gitee服务过于不稳定，我遇到的就挂过两三次了。。

尚微

monorepo吗？

斤斤有胃

你是不是没理解git是什么……

不是我教你坏

6

妮妮岐

gitee不会泄露，因为内容直接消失[尴尬]