مجموعة بيانات السير الذاتية المرتبطة بـ HeadHunter (hh.ru) لعام 2018

يسرد BreachEra في صف واحد بعينه اسم HeadHunter، والنطاق hh.ru، وعام 2018، وحجمًا يبلغ 827,198 سجلًا، وفئات بيانات متعلقة بالسير الذاتية تشمل عناوين البريد الإلكتروني. ويحتوي ملف CSV الذي خضع للمراجعة على 827,198 سجل بيانات منطقيًا بالضبط، بينما يتضمن اسمه عام 2018 وعددًا يبلغ 827,199 سطرًا فعليًا. ويعرض دليل LeakedSource عددًا يبلغ 564,875 سجلًا للاسم والنطاق نفسيهما، بينما يصف NiamonX و9GHz نحو 827 ألف سجل. ولا توجد لدى مصدر متاح للعامة بشأن خرق البيانات خانة مطابقة تمامًا لـ HeadHunter. ولا تُحوَّل هذه الأحجام المتعارضة إلى عدد محدد للأشخاص المتأثرين، ولذلك تبقى قيمة pwnCount هي null.

يتناول مقال نشرته Vedomosti بتاريخ 4 مايو 2018 دعوى قضائية تخص HeadHunter بشأن استخراج بيانات من قاعدة السير الذاتية التابعة لها ووصول أطراف ثالثة إلى تلك البيانات. ويقدّم المقال سياقًا لاستخراج معلومات السير الذاتية من HeadHunter دون تصريح في عام 2018، لكنه لا يثبت أن هذا الأرشيف بعينه كان النسخة المعنية بالنزاع، أو أنه نتج عن ثغرة أمنية محددة. ويوضح مركز المساعدة التابع لـ HeadHunter، بصورة منفصلة، أن معلومات الاتصال في السيرة الذاتية تشمل الاسم ورقم الهاتف وعنوان البريد الإلكتروني وقنوات تواصل أخرى، وأن الوصول إلى معلومات الاتصال التفصيلية خدمة مدفوعة. وتدعم هذه المصادر مجتمعةً تحديد الجهة والخدمة والنطاق ودلالات الحقول، دون المبالغة في مدى التحقق من الحادثة.

يبلغ حجم الأرشيف HeadHunter_BF.7z الذي خضع للمراجعة 59,693,254 بايتًا، وهو مختوم ببصمة SHA-256 e91452…ca2a. وقد اجتاز اختبار سلامة كاملًا باستخدام 7z. ويحتوي الأرشيف على ملف بيانات واحد بتنسيق CSV حجمه 501,590,148 بايتًا، وملف بيانات وصفية عام للإصدار حجمه 441 بايتًا. ويحمل ملف CSV بصمة SHA-256 b4c951…3150، ويستخدم ترميز UTF-8 مع علامة ترتيب البايتات، وفاصلةً للفصل بين الحقول، وصف عناوين صريحًا يضم 41 عمودًا. ولا يحتوي ملف البيانات الوصفية العام على حقل بريد إلكتروني على مستوى الصفوف أو على علامة @، وقد أُغلقت مراجعته بالحالة NO_EMAIL_FIELD.

يقع العمود المسمّى صراحةً Email عند فهرس الحقل 6، مع بدء العد من الصفر، وهو الحقل الوحيد المصرّح باستيراده. وتُستبعد حقول الهاتف، والهاتف الثانوي، وSkype، والاسم، والبلد، والعنوان، والمنطقة، والمدينة، والجنس، وتاريخ الميلاد، والتعليم، والسجل الوظيفي، والراتب، والمهنة، وتفضيلات العمل، والنص الحر، وURL. ومع ذلك، خضعت الحقول الـ 41 جميعها للفحص بحثًا عن قيم تشغل الخلية كاملةً وتأخذ شكل عنوان بريد إلكتروني. وتوجد 279 قيمة بهذا الشكل خارج العمود المختار، معظمها في حقول Skype والاسم. ولا تُستخدم أي منها لتوسيع التغطية أو لجعل النتيجة أقرب إلى العدد الوارد في الدليل، لأن تلك الأعمدة لا تُعتمد بوصفها حقول بريد إلكتروني.

من أصل 827,198 سجل بيانات، يحتوي 591,700 سجل على قيمة غير فارغة في عمود البريد الإلكتروني. وتقبل قاعدة canonical-ascii-email-v1 الحالية 590,343 حالة ظهور، وترفض 1,357 قيمة غير فارغة، وتستبعد 235,498 خلية فارغة. وينتج عن تحويل الأحرف إلى أحرف صغيرة، وإزالة المسافات البيضاء المحيطة، وإزالة التكرار على مستوى البيانات كلها، 564,552 عنوان بريد إلكتروني فريدًا بصيغته المعيارية. ويبلغ حجم الملف الخاص النهائي 11,595,144 بايتًا، وبصمة SHA-256 الخاصة به هي d560fc…a916، وهو متطابق في ناتجين أُنشئ كل منهما على حدة. ولا يمثّل هذا عددًا للأشخاص؛ فقد يستخدم شخص واحد عدة عناوين، وقد يشترك أكثر من شخص في عنوان واحد.

تدعم النتيجة ثلاثة تنفيذات برمجية. إذ تتفق أداة استخراج مُترجمة تستخدم قارئ CSV القياسي في Go، وأداة تحقق مُترجمة على نحو مستقل تستخدم آلة حالات مخصّصة تعمل على مستوى البايت وفق RFC 4180، وقارئ CSV الصارم في Python، على 827,198 سجلًا، واختيار الحقل 6، و590,343 حالة ظهور مقبولة، و1,357 قيمة غير فارغة مرفوضة، و235,498 خلية فارغة، و564,552 عنوانًا معياريًا فريدًا. وتتفق الأدوات المُترجمة أيضًا على تدفق حالات الظهور البالغ حجمه 12,102,121 بايتًا، وعلى جميع النتائج التجميعية في تحليل الحقول الـ 41. ويجتاز Mapping-admission v3 التحقق بتغطية للمصدر بالحالة COMPLETE، دون أي ملف مؤجّل، مع استبعاد صريح لجميع القيم الـ 279 التي تأخذ شكل بريد إلكتروني خارج الحقل المختار.

تُظهر مقارنة آنية للملكية في Mongo أن 410,683 عنوانًا معياريًا موجودة بالفعل في سجلات حوادث أخرى، وأن 153,869 عنوانًا غير موجودة في الفهرس العام للبريد الإلكتروني. وتتوزع حالات التداخل على 703 معرّفات لاختراقات؛ وتعود أكبرها إلى تجميعات كبيرة لبيانات الاعتماد ومجموعات بيانات روسية واسعة النطاق. ولا يمثّل أي اختراق مسجّل منفرد مجموعة HeadHunter، كما لا ترتبط أي مهمة سابقة باسم HeadHunter أو نطاقه أو معرّف رابطه أو مفتاح المصدر أو بصمة الأرشيف أو البصمة المعيارية. ولذلك لا تُعامل مجموعة البيانات على أنها مستوردة بالفعل تحت هوية أخرى، ولا يُخلط بين التداخل المعتاد بين الاختراقات وبين إثبات استخدام شخصٍ ما لخدمة HeadHunter.

LeakData مستعدة لمعالجة ارتباطات عناوين البريد الإلكتروني التي تم التحقق منها فقط. ولا تستورد من هذا المصدر أسماءً أو أرقام هواتف أو عناوين أو تواريخ ميلاد أو سجلًا وظيفيًا أو رواتب أو معلومات تعليمية أو محتوى نصيًا حرًا من السير الذاتية. ولا تعني مراجعة الأرشيف بالكامل الادعاء بأنه نسخة كاملة من الواقعة التاريخية. كما أن وجود تطابق لا يثبت أن حسابًا كان نشطًا في عام 2018، أو أن كل حقل في المصدر محدّث، أو أن صاحب العنوان هو من قدّم السجل. وينبغي للمستخدمين الحذر من التصيّد الموجّه بحجة التوظيف، والرسائل التي تقتبس تفاصيل قديمة من السير الذاتية، والاحتيال المتعلق باستعادة الحسابات، واستخدام كلمات مرور فريدة والمصادقة متعددة العوامل حيثما توفرت.