俄版百度44.7G源碼泄露！遭前員工背刺，涉及搜索地圖打車電商等所有主要服務
本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。
俄羅斯第一大科技巨頭，這回遇上了大麻煩：
44.7GB源代碼，全被泄露到了網上。
什么概念？
就是這家名為Yandex的公司，幾乎所有主要服務的源代碼都被挖了個底掉……
要知道，在俄羅斯，Yandex不僅干著搜索引擎的活兒，還把俄國老百姓購物、打車、訂外賣、租車這一連串生活服務都給包圓了。
簡單來說，約等于俄版百度+淘寶+美團+滴滴。
這么大個事兒，自然引起了全世界網友的圍觀。
但就在眾人紛紛猜測這又是哪家黑客手筆之際，Yandex的聲明卻有些令人大跌眼鏡：
我們沒有被黑，就是被前員工給賣了……
44.7GB源代碼遭泄露，代碼被扒了個底朝天
具體來說，泄密鏈接最早出現在了一個黑客論壇上。
泄密者稱，這份44.7GB的Yandex代碼庫，包含該公司2022年7月以前，除反垃圾郵件規則之外的所有源代碼。
這些被泄露出來的代碼信息量到底有多大？
看看網友們熱火朝天扒出來的細節就知道了……
Yandex不是以搜索引擎起家，常被稱作“俄版百度”/“俄版谷歌”嘛，那就先以搜索引擎部分的代碼為例。
一位名叫Alex Buraks的老哥就深扒了下Yandex搜索引擎的排名規則，還戲稱這對理解谷歌SEO（搜索引擎優化）有很多有用的信息。
畢竟Yandex和谷歌的搜索結果有70%的匹配度，不少人認為其搜索技術用的就是谷歌同款：如PageRank、BERT等。
（掌握了Yandex的規則不就相當于透了谷歌排名算法的家底，手動狗頭）
目前已經有大批吃瓜群眾來圍觀，甚至Alex Buraks的這條線程曾在谷歌搜索“yandex”中排名第8。
有趣的是，在Yandex的排名因素中，排在第一個的就是PageRank。
Buraks還直接列出了Yandex的10個排名因素：
（1）鏈接的創建時間；（2）流量和有機流量的百分比；（3）URL中的數字不利于排名；（4）URL中的斜杠不利于排名；（5）負面情緒過重的PageRank=0；（6）主機可靠性；（7）“維基百科”還單獨列了一個因素；（8）用戶行為：點擊率，跳出率等；（9）文件年齡與上次更新日期；（10）所有查詢域名的平均位置……
當然這還只是其中的一部分，Buraks表示后續還會繼續分析。
除了Alex Buraks，也有不少營銷大師深扒了Yandex的排名因素，甚至有人都詳細整理出了完整的1900+個排名因素。
值得一提的是，在各路大神扒代碼的過程中，Yandex搜索引擎的一些“潛規則”也被擺上了臺面。
就比如說加拿大黑客Aubrey Cottle就在代碼中發現了Yandex是容忍種族歧視的。
還有網友在代碼中發現，Yandex的廣告投放中，普通廣告和色情廣告是分開計算的。
官方聲明：沒有被黑，是前員工泄密
這事兒一出，很快還有一份詳細的泄密文件目錄被整理出來放在了GitHub上。
作者是一位名叫Arseniy Shestakov的軟件工程師。據他評估，這些源代碼確實涉及了Yandex的所有主要服務。
包括：
- 搜索引擎和索引機器人
- 地圖服務
- AI語音助手
- 打車服務
- 廣告服務
- 郵件服務
- 存儲服務（類似百度網盤）
- 電商服務（類似淘寶）
- 旅游服務
- 云服務
還包括在線協同辦公、支付、數據分析等等業務。
不過，泄露內容并不包括用戶數據等敏感信息。
Arseniy Shestakov總結了幾個關鍵細節：
- 泄露出來的主要是git存儲庫里的源代碼，不包含git歷史記錄
- 所有文件日期均可追溯至2022年2月24日
- 大部分軟件都沒有預先編譯好，只有少數例外
- 除了一些例外，沒有預先訓練好的機器學習模型
△Yandex辦公樓
事情鬧得這么大，Yandex官方也坐不住了，很快發表聲明表示：其實我們并沒有被黑，是前員工出賣了我們！
Yandex沒有被黑。我們在公共領域發現了泄露自內部存儲庫的代碼片段，但其內容與Yandex當前使用的代碼版本并不相同。
存儲庫是用來存儲和處理代碼的工具。大多數公司都采用這種方式來使用代碼。
代碼庫并未存儲個人用戶數據。
我們正在進行內部調查，但并沒有發現該事件給用戶數據和平臺性能帶來了任何威脅。
Yandex倒是信誓旦旦，但外部的專業人士卻有不同看法。
據bleepingcomputer消息，前Yandex技術專家Grigory Bakunov對此事做出了回應。
他認為，這次代碼泄露確實不會對用戶的隱私或安全構成直接風險，也不會直接威脅到Yandex的專有技術。
不過一些文件仍可能會暴露正在運行的服務，比如說“blacklist.txt”，Bakunov還稱：
盡管泄密的部分不涉及敏感數據，但黑客針對性利用代碼中的安全漏洞，只是時間問題；
（BTW）雖然Yandex官方回應泄露的代碼與公司工作服務中使用的當前代碼不同，但相似度可能高達90%。
泄露代碼目錄：https://gist.github.com/ArseniyShestakov/53a80e3214601aa20d1075872a1ea989
