俄文版百度44.7G源码泄露！被前员工背锅，涉及搜索、地图、打车、电商等各大服务俄罗斯最大科技巨头这次遇到大麻烦：44.7GB源代码泄露到网上什么概念？就是这家叫Yandex的公司，几乎所有主流服务的源代码都被挖出来了……要知道，在俄罗斯，Yandex不仅是一个搜索引擎，还可以帮助俄罗斯人购物、打车、订A送餐、租车等一系列生活服务一应俱全。简单来说，大致相当于俄语版的百度+淘宝+美团+滴滴。这么大的事件，自然引起了全世界网友的关注。不过就在大家猜测这到底是哪个黑客写的时候，Yandex的说法有点让人震惊：我们没有被黑，而是被前员工卖了……44.7GB的源代码被泄露了，代码被扒出来了具体来说，先泄露链接出现在黑客论坛上。据泄密者称，44.7GB的Yandex代码库包含该公司截至2022年7月的所有源代码，反垃圾邮件规则除外。泄露的代码信息量有多大？看看网友们如火如荼地扒出来的细节……Yandex并不是以搜索引擎起家的。它通常被称为“俄罗斯版百度”/“俄罗斯版谷歌”。我们以搜索引擎部分的代码为例。一位名叫AlexBuraks的老人深入研究了Yandex搜索引擎的排名规则，并开玩笑说它对理解GoogleSEO（搜索引擎优化）有很多有用的信息。毕竟Yandex和Google的搜索结果有70%的匹配度，很多人认为他们的搜索技术使用了和Google一样的模型：PageRank、BERT等（掌握了Yandex的规则不等于了解背景谷歌排名算法，手动狗头）目前已经有大量人前来围观，甚至AlexBuraks的这篇帖子在谷歌搜索“yandex”中排名第8。有趣的是，Yandex排名第一的因素是PageRank。Buraks还直接列出了Yandex的10个排名因素：（1）链接创建时间；(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)PageRank=0负面情绪过多；(6)主机可靠性；(7)《维基百科》还单独列出了一个因素；(8)用户行为：点击率、跳出率等；(9)文件期限和最后更新日期；(10)所有查询域名的平均排名……当然，这只是其中的一部分，Buraks表示，后续会继续分析。除了AlexBuraks，还有很多营销高手深挖Yandex的排名因素，有的甚至详细梳理出了完整的1900+排名因素。值得一提的是，Yandex搜索引擎的一些“潜规则”也在各路高手的爬码过程中被摆上台面。例如，加拿大黑客AubreyCottle发现Yandex在代码中容忍种族歧视。有网友在代码中发现，在Yandex的广告中，普通广告和色情广告是分开计算的。官方声明：不是被黑，是前雇员泄露的。在这件事发生后不久，一份详细的泄露文件目录被整理出来放在了GitHub上。作者是一位名叫ArseniyShestakov的软件工程师。根据他的评估，这些源代码确实触及了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）电子商务服务（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、ETC。。但是，泄露的内容不包括用户数据等敏感信息。ArseniyShestakov总结了几个关键细节：泄露的主要是git存储库中的源代码，不包括git历史。所有文件追溯到2022年2月24日。大部分软件都没有预编译，只有少数例外少数例外，没有预训练的机器学习模型△Yandex办公楼事件闹大到Yandex官方无法'坐不住了，赶紧发表声明说：其实我们不是被黑了，而是我们的前员工出卖了我们！Yandex没有被黑。我们发现了从公共领域的内部存储库中泄露的代码片段，但它们的内容与Yandex当前使用的代码版本不同。存储库是用于存储和使用代码的工具。大多数公司都以这种方式使用代码。代码库不存储个人用户数据。我们正在进行内部调查，尚未发现此事件对用户数据或平台性能造成任何威胁。Yandex对此深信不疑，但外部专业人士却有不同的看法。据bleepingcomputer消息，前Yandex技术专家GrigoryBakunov对此事进行了回应。他认为，此次代码泄露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，部分文件仍可能暴露正在运行的服务，比如“blacklist.txt”，巴库诺夫还表示：虽然泄露的部分不涉及敏感数据，但黑客利用代码中的安全漏洞只是时间问题；（BTW）虽然Yandex官方回应称泄露的代码与公司工作服务中目前使用的代码不同，但相似度可能高达90%。泄露代码目录：https://gist.github.com/ArseniyShestakov/53a80e3214601aa20d1075872a1ea989
