私たちは、GitHub イベントログのデータセット全体を処理・補完する 3 つの Trickest ワークフローを開発し、貴重なインサイトを得ることができました。そして今、この結果をコミュニティ全体が活用できるようになりました。
公開 GitHub プラットフォーム上で特別な site_admin ステータスを持つ GitHub ユーザーがちょうど 16 人いることをご存知でしたか？ grep コマンドを使って特定の企業に関連するユーザーを特定することに興味はありませんか？ あるいは、なりすましや依存関係の混乱 (dependency confusion) といったリスクをもたらす可能性のある削除済みユーザーアカウントを特定したいと思いませんか？ スター、フォーク、ウォッチャーの数で見た GitHub 全体で最も人気のあるトップ 10 のリポジトリを知りたいかもしれません。
これらのいずれかに興味が湧いたなら、ぜひハイライトレポートをご覧ください: Uncovering OSINT Insights from 15TB of GitHub Logs。
このリポジトリは、ユーザーとリポジトリの詳細情報を含む CSV ファイルで構成されており、users と repos の 2 つの主要フォルダに整理されています。各フォルダ内には、完全なデータセットを含むメインフォルダ (all_user_info と all_repo_info) があります。また、users_site_admin、users_deleted、users_company、repos_archived、repos_deleted、repos_sorted_stars などの特定の条件に基づく部分的なデータセットも含まれています。
github-logs
├── repos
│ ├── all_repo_info
│ │ ├── all_repo_info00000.csv
│ │ ├── all_repo_info00001.csv
│ │ └── ...
│ ├── repos_archived
│ ├── repos_deleted
│ ├── repos_disabled
│ ├── repos_private
│ ├── repos_sorted_forks
│ ├── repos_sorted_stars
│ └── repos_sorted_watchers
└── users
├── all_user_info
├── users_company
├── users_deleted
├── users_email
├── users_github_star
├── users_hireable
└── users_site_admin
このデータの活用方法についてのアイデアをお探しの場合や、どのように収集したのかに興味がある場合は、インサイトレポート をご覧ください。
私たちは試行錯誤の価値を信じています。画一的なソリューションでは不十分なことがほとんどです。Trickest のデモにサインアップして、私たちが使用したワークフローにアクセスし、カスタマイズしたり、さらに多くのワークフローを探索したり、ゼロから独自のワークフローを作成したりしてください。
