Grastin.ru 2022-এর ডেটা উন্মুক্ত হওয়ার দাবি

তারিখটি শুধু মাস পর্যন্ত নির্দিষ্ট। অভ্যন্তরীণ মেটাডেটায় ডেটা ফাঁসের তারিখ হিসেবে নভেম্বর 2022 বলা হয়েছে। সংরক্ষিত 1 নভেম্বর 2022 তারিখটি ওই মাসের একটি প্রযুক্তিগত উপস্থাপনামাত্র; এর অর্থ এই নয় যে মাসের প্রথম দিনে কোনো ঘটনা ঘটেছিল। একই মেটাডেটা অনুযায়ী, রেকর্ডগুলো আগস্ট 2021 থেকে নভেম্বর 2022 পর্যন্ত সময়ের। এই সময়সীমা অর্ডার, গ্রাহক বা ডেলিভারি-সংক্রান্ত কার্যক্রমের সময় বোঝাতে পারে; এটি একা কোনো ডেটাসেট সংগ্রহ বা বিতরণের দিন নির্ধারণ করতে পারে না। সীমিত পরিসরে প্রকাশ্য সূত্র অনুসন্ধান করে এই নির্দিষ্ট ডেটাসেট নিশ্চিত করে এমন কোনো আনুষ্ঠানিক ঘোষণা, নিয়ন্ত্রক সংস্থার বিজ্ঞপ্তি বা নির্ভরযোগ্য ঘটনার প্রতিবেদন পাওয়া যায়নি। তাই breachDatePrecision-এর মান month, সুনির্দিষ্ট দিন নির্ধারণের প্রামাণ্য ভিত্তি নেই, এবং ভবিষ্যতে তারিখ পরিবর্তন করতে হলে মূল উৎসের আরও শক্ত প্রমাণের ভিত্তিতে নতুন পর্যালোচনা প্রয়োজন হবে।

উৎসটি একটি সম্পূর্ণ 3,55,80,567-বাইটের 7z আর্কাইভ। এর SHA-256 পরিচয় সিল করে রাখা হয়েছে এবং এটি পূর্ণাঙ্গ 7z অখণ্ডতা পরীক্ষায় উত্তীর্ণ হয়েছে। আর্কাইভের তিনটি সাধারণ ফাইলই বের করা হয়েছে, সেগুলোর আকার মাপা হয়েছে এবং প্রতিটির হ্যাশ স্বাধীনভাবে গণনা করা হয়েছে। এগুলো হলো একটি সাধারণ Breached_Info মেটাডেটা ফাইল, Grastin-এর বিবরণ ও উৎসের দাবি থাকা একটি Info মেটাডেটা ফাইল, এবং একটি 26,61,21,201-বাইটের CSV ডেটা ফাইল। ভেতরে আর কোনো আর্কাইভ নেই এবং উৎসের পে-লোড পরিবর্তন করা হয়নি। CSV-তে 15,81,126টি ভৌত লাইন আছে। উদ্ধৃতিচিহ্নে ঘেরা CSV ফিল্ডের ভেতরে সাতটি লাইন-ব্রেক থাকায় হেডার বাদ দিলে যৌক্তিক ডেটা রেকর্ডের সংখ্যা 15,81,118। কঠোর CSV পার্সিংয়ে কোনো সিনট্যাক্স ত্রুটি, কলামের সংখ্যায় অসংগতি বা অসম্পূর্ণ রেকর্ড পাওয়া যায়নি। অপরিবর্তিত বাইট ও পাঠযোগ্য কাঠামো উৎসের অখণ্ডতা প্রমাণ করে, কিন্তু আর্কাইভের ভেতরের প্রতিটি ঐতিহাসিক বক্তব্যকে যাচাইকৃত প্রকাশ্য তথ্য হিসেবে প্রতিষ্ঠা করে না।

ই-মেইল ম্যাপিংয়ের জন্য শুধু উৎসের লেখকের দেওয়া সুস্পষ্ট হেডার ব্যবহার করা হয়েছে। ছয়টি কলাম হলো buyer, phone, address, email, region এবং month, এই ক্রমে। শুধু চতুর্থ কলাম email নির্বাচন করা হয়েছে। buyer ফিল্ডের 332টি সম্পূর্ণ সেলের মান কঠোর ই-মেইল সিনট্যাক্স পরীক্ষায় উত্তীর্ণ হলেও, ফিল্ডটির ঘোষিত অর্থ ক্রেতা বা নাম, ই-মেইল নয়। তাই ওই মানগুলো ইচ্ছাকৃতভাবে বাদ দেওয়া হয়েছে। address ফিল্ডে অ্যাট চিহ্নযুক্ত লেখা এবং phone, region ও month-এর মানগুলোও ই-মেইল ইমপোর্ট থেকে বাদ দেওয়া হয়েছে। Info মেটাডেটা ফাইলের উদাহরণ বা বর্ণনামূলক লেখাকে অ্যাকাউন্টের ই-মেইল ফিল্ড হিসেবে ধরা হয়নি। ক্যাটালগে দাবি করা 6,53,907 সংখ্যার কাছাকাছি পৌঁছাতে কোনো অতিরিক্ত ফিল্ড নির্বাচন করা হয়নি, কোনো অবৈধ মান সংশোধন করা হয়নি এবং কোনো গণনাকে লক্ষ্যসংখ্যার সঙ্গে মেলানো হয়নি।

ডেটা পড়ার জন্য Go-তে লেখা দুটি স্বতন্ত্র কম্পাইল করা প্রোগ্রাম 15,81,118টি যৌক্তিক ডেটা রেকর্ড এবং ছয়-কলামের স্কিমা যাচাই করেছে; কোনো ত্রুটি পাওয়া যায়নি। উভয় প্রোগ্রামের গণনা অনুযায়ী, সুস্পষ্ট email কলামে বৈধ ই-মেইল পাওয়া গেছে 7,04,204 বার, ফাঁকা নয় এমন 1,233টি সেল বাতিল হয়েছে এবং 8,75,681টি সেল ফাঁকা ছিল। পুনরাবৃত্ত উপস্থিতি বাদ দেওয়ার পর এবং কঠোর ASCII ই-মেইল ক্যানোনিক্যালাইজেশনের মাধ্যমে সাজানো 6,54,125টি অনন্য ঠিকানা পাওয়া যায়। উভয় টুলই ই-মেইলের উপস্থিতি নিয়ে একই 1,44,99,807-বাইটের স্ট্রিম তৈরি করেছে, যার SHA-256 পরিচয়ও একই। ক্যানোনিক্যাল আউটপুটের ক্ষেত্রেও উভয়ের ফল মিলেছে: 1,33,86,578 বাইট, 6,54,125টি লাইন এবং একই SHA-256 পরিচয়। দ্বিতীয় যাচাইকারী স্কিমা, সমষ্টিগত গণনা ও বিদ্যমান ক্যানোনিক্যাল সেট পরীক্ষা করে; এটি দ্বিতীয় কোনো ক্যানোনিক্যাল আউটপুট তৈরি করে না। এই স্বতন্ত্র পদ্ধতি কোনো একক পার্সারের বাস্তবায়ন বা রেকর্ড-বাফারের ভুলের ভিত্তিতে ইমপোর্ট অনুমোদিত হওয়ার ঝুঁকি কমায়।

অভ্যন্তরীণ মেটাডেটায় 6,53,907টি ই-মেইল রেকর্ডের দাবি করা হয়েছে, অথচ সুস্পষ্ট ফিল্ড থেকে কঠোরভাবে নিষ্কাশন করে 6,54,125টি অনন্য ক্যানোনিক্যাল ঠিকানা পাওয়া যায়। পার্থক্যটি 218। এই অমিল গোপন না করে সংরক্ষণ করা হয়েছে। মেটাডেটার দাবিকে অনন্য ব্যক্তির সংখ্যা, বৈধ ঠিকানার সংখ্যা বা মোট সারির সংখ্যা হিসেবে নতুন করে ব্যাখ্যা করা হয়নি। totalRecords বোঝায় 15,81,118টি যৌক্তিক CSV ডেটা রেকর্ড, sourcePhysicalRecordCount-এ ভৌত লাইনের সংখ্যা 15,81,126 হওয়ার দাবিটি নথিভুক্ত থাকে, এবং canonicalEmailCount শুধু সুস্পষ্ট email কলামে যাচাই করা 6,54,125টি ঠিকানার সংখ্যা জানায়। affectedCountLowerBound প্রযুক্তিগত হিসাবে ঠিকানার একই নিম্নসীমা ব্যবহার করে, কিন্তু এটি অনন্য ব্যক্তির সংখ্যা নয়। একজন ব্যক্তি একাধিক ঠিকানা নিয়ন্ত্রণ করতে পারেন, আবার একটি ঠিকানা একাধিক ব্যক্তি ব্যবহার করতে পারেন, সেটি পরিত্যক্ত হতে পারে বা অন্য কাউকে পুনর্বণ্টন করা হতে পারে। প্রভাবিত ব্যক্তিদের সংখ্যা অজানা হওয়ায় pwnCount-এর মান null-ই রাখা হয়েছে।

LeakData-এর এই কার্যক্রম Mongo সম্পর্কগুলোতে শুধু ই-মেইল ঠিকানা লেখে। এই কাজের মাধ্যমে নাম, ফোন নম্বর, ডাক ঠিকানা, অঞ্চল ও মাসের মান ইমপোর্ট করা হয় না। Info ফাইলটি NON_AUTHORITATIVE_METADATA_SAMPLE হিসেবে পরবর্তী বিবেচনার জন্য রাখা হয়েছে। অন্যদিকে সাধারণ Breached_Info ফাইলে কোনো ই-মেইল ফিল্ড না থাকায় সেটির প্রক্রিয়া RESOLVED_NO_EMAIL হিসেবে বন্ধ করা হয়েছে। ম্যাপিংয়ের আওতা PARTIAL-ই রয়েছে; এই লেবেলের অর্থ এই নয় যে আর্কাইভের প্রতিটি লেখা বা সম্পূর্ণ ঐতিহাসিক ঘটনা যাচাই করা হয়েছে। রেকর্ডটি সংবেদনশীল হিসেবে চিহ্নিত এবং অযাচাইকৃত তৃতীয় পক্ষের দাবি হিসেবেই রাখা হয়েছে। ক্যানোনিক্যাল সেটে কোনো ঠিকানা থাকলেই তা প্রমাণ করে না যে কোনো ব্যক্তি অন্য ফিল্ডগুলো ব্যবহার করেছেন, রেকর্ডটি এখনও হালনাগাদ আছে, বা Grastin এই নির্দিষ্ট আর্কাইভ নিশ্চিত করেছে। পরবর্তী সময়ে আরও শক্ত আনুষ্ঠানিক প্রমাণের কারণে পরিচয়, পরিধি, তারিখ বা সংখ্যায় পরিবর্তন এলে, আলাদা একটি প্রমাণ পর্যালোচনার মাধ্যমে মেটাডেটা সংশোধন করা উচিত, যাতে পর্যালোচনার ধাপ ও ভিত্তি অনুসরণ করা যায়।