HeadHunter (hh.ru)-এর সঙ্গে সংশ্লিষ্ট 2018 সালের জীবনবৃত্তান্তের ডেটাসেট

BreachEra-এর একটি নির্দিষ্ট সারিতে HeadHunter, hh.ru ডোমেইন, 2018 সাল, 8,27,198 রেকর্ডের পরিসর এবং ইমেইল ঠিকানাসহ জীবনবৃত্তান্ত-সংক্রান্ত ডেটার শ্রেণিগুলো তালিকাভুক্ত আছে। পর্যালোচিত CSV-তে ঠিক 8,27,198টি লজিক্যাল ডেটা রেকর্ড রয়েছে, আর এর ফাইলের নামে 2018 সাল ও 8,27,199টি ফিজিক্যাল লাইনের পরিসর, দুটিই উল্লেখ আছে। LeakedSource ডিরেক্টরিতে একই নাম ও ডোমেইনের জন্য 5,64,875টি রেকর্ড দেখানো হয়েছে, অন্যদিকে NiamonX ও 9GHz প্রায় 827 হাজার রেকর্ডের কথা বলেছে। তথ্য ফাঁসসংক্রান্ত প্রকাশ্য উৎস-তে HeadHunter-এর সঙ্গে হুবহু মিলে যায় এমন কোনো এন্ট্রি নেই। এই পরস্পরবিরোধী পরিসরগুলো থেকে স্বতন্ত্র আক্রান্ত ব্যক্তির সংখ্যা নির্ধারণ করা হয়নি, তাই pwnCount null রাখা হয়েছে।

4 মে 2018 তারিখের একটি Vedomosti নিবন্ধে HeadHunter-এর জীবনবৃত্তান্তের ডেটাবেস থেকে তথ্য সংগ্রহ এবং তৃতীয় পক্ষের সেই তথ্যে প্রবেশাধিকার নিয়ে মামলা-মোকদ্দমার বিবরণ রয়েছে। নিবন্ধটি 2018 সালে HeadHunter-এর জীবনবৃত্তান্তের তথ্য অননুমোদিতভাবে সংগ্রহের প্রেক্ষাপট দেয়। তবে এই নির্দিষ্ট আর্কাইভটিই বিরোধে সংশ্লিষ্ট অনুলিপি ছিল বা এটি কোনো নির্দিষ্ট নিরাপত্তা দুর্বলতার মাধ্যমে পাওয়া গিয়েছিল, এমন প্রমাণ দেয় না। আলাদাভাবে, HeadHunter-এর নিজস্ব সহায়তা কেন্দ্রে ব্যাখ্যা করা হয়েছে যে জীবনবৃত্তান্তের যোগাযোগের তথ্যের মধ্যে নাম, ফোন নম্বর, ইমেইল ঠিকানা ও যোগাযোগের অন্যান্য মাধ্যম থাকে এবং বিস্তারিত যোগাযোগের তথ্য দেখতে হলে অর্থ দিতে হয়। এই উৎসগুলো একত্রে প্রতিষ্ঠান, সেবা, ডোমেইন ও ক্ষেত্রগুলোর অর্থের পক্ষে সমর্থন দেয়, কিন্তু ঘটনা যাচাইয়ের মাত্রাকে বাড়িয়ে দেখায় না।

পর্যালোচিত HeadHunter_BF.7z আর্কাইভটির আকার 5,96,93,254 বাইট এবং এটি SHA-256 e91452…ca2a দিয়ে সিল করা হয়েছে। পূর্ণাঙ্গ 7z অখণ্ডতা পরীক্ষা সফল হয়েছে। আর্কাইভে 50,15,90,148 বাইটের একটি CSV ডেটা ফাইল এবং 441 বাইটের একটি সাধারণ রিলিজ মেটাডেটা ফাইল রয়েছে। CSV-টির SHA-256 হলো b4c951…3150; এতে বাইট-অর্ডার মার্কসহ UTF-8, কমা বিভাজক এবং 41 কলামের একটি সুস্পষ্ট হেডার ব্যবহার করা হয়েছে। সাধারণ মেটাডেটা ফাইলটিতে সারিভিত্তিক কোনো ইমেইল ক্ষেত্র বা অ্যাট চিহ্ন নেই এবং এর পর্যালোচনা NO_EMAIL_FIELD হিসেবে চূড়ান্ত করা হয়েছে।

সুস্পষ্ট Email হেডারের ক্ষেত্রটির শূন্য থেকে শুরু হওয়া সূচক হলো 6 এবং এটিই ইমপোর্টের জন্য অনুমোদিত একমাত্র ক্ষেত্র। ফোন, দ্বিতীয় ফোন, Skype, নাম, দেশ, ঠিকানা, অঞ্চল, শহর, লিঙ্গ, জন্মতারিখ, শিক্ষা, কর্মজীবনের ইতিহাস, বেতন, পেশা, কাজসংক্রান্ত পছন্দ, মুক্তভাবে লেখা পাঠ্য ও URL ক্ষেত্রগুলো বাদ দেওয়া হয়েছে। তা সত্ত্বেও, ইমেইল ঠিকানার মতো দেখতে পুরো সেলজুড়ে থাকা মান খুঁজতে 41টি ক্ষেত্রের সবগুলোর প্রোফাইল তৈরি করা হয়েছে। নির্বাচিত কলামের বাইরে এমন 279টি মান আছে, যার বেশির ভাগই Skype ও নামের ক্ষেত্রে রয়েছে। পরিসর বাড়াতে বা ফলাফলকে ক্যাটালগের সংখ্যার কাছাকাছি নিতে এগুলোর কোনোটিই ব্যবহার করা হয়নি, কারণ ওই কলামগুলো ইমেইল ক্ষেত্র হিসেবে স্বীকৃত নয়।

8,27,198টি ডেটা রেকর্ডের মধ্যে 5,91,700টিতে ইমেইল কলামে কোনো না কোনো মান রয়েছে। বর্তমান canonical-ascii-email-v1 নিয়ম ইমেইল ঠিকানার 5,90,343টি উপস্থিতি গ্রহণ করে, 1,357টি ফাঁকা নয় এমন মান প্রত্যাখ্যান করে এবং 2,35,498টি ফাঁকা সেল বাদ দেয়। ছোট হাতের অক্ষরে রূপান্তর, মানের শুরু ও শেষের ফাঁকা স্থান সরানো এবং পুরো ডেটাসেট থেকে পুনরাবৃত্তি বাদ দেওয়ার পর 5,64,552টি স্বতন্ত্র ক্যানোনিক্যাল ইমেইল ঠিকানা পাওয়া যায়। চূড়ান্ত অপ্রকাশ্য ফাইলটির আকার 1,15,95,144 বাইট এবং SHA-256 হলো d560fc…a916; পৃথকভাবে তৈরি করা দুটি আউটপুটে এটি হুবহু একই। এটি ব্যক্তির সংখ্যা নয়: একজন ব্যক্তি একাধিক ঠিকানা ব্যবহার করতে পারেন এবং একটি ঠিকানা একাধিক ব্যক্তি ব্যবহার করতে পারেন।

তিনটি বাস্তবায়ন এই ফলাফলকে সমর্থন করে। Go-এর স্ট্যান্ডার্ড CSV রিডার ব্যবহারকারী একটি কম্পাইল করা এক্সট্র্যাক্টর, বাইট-স্তরের নিজস্ব RFC 4180 স্টেট মেশিন ব্যবহারকারী আলাদাভাবে কম্পাইল করা একটি ভ্যালিডেটর এবং Python-এর কঠোর নিয়ম মেনে চলা CSV রিডার, সবগুলোই 8,27,198টি রেকর্ড, ক্ষেত্র 6-এর নির্বাচন, ইমেইল ঠিকানার 5,90,343টি গৃহীত উপস্থিতি, 1,357টি প্রত্যাখ্যাত ফাঁকা নয় এমন মান, 2,35,498টি ফাঁকা সেল এবং 5,64,552টি স্বতন্ত্র ক্যানোনিক্যাল ঠিকানার বিষয়ে একই ফল দিয়েছে। কম্পাইল করা সরঞ্জামগুলো 1,21,02,121 বাইটের অকারেন্স স্ট্রিম এবং 41 ক্ষেত্রের প্রোফাইলের প্রতিটি সামগ্রিক হিসাবেও একমত। উৎসের COMPLETE কভারেজ, আর্কাইভের কোনো ফাইলের পর্যালোচনা স্থগিত না থাকা এবং নির্বাচিত ক্ষেত্রের বাইরের সব 279টি ইমেইল-সদৃশ মান স্পষ্টভাবে বাদ দেওয়ার শর্তসহ Mapping-admission v3 পরীক্ষায় উত্তীর্ণ হয়েছে।

চলমান Mongo-তে মালিকানা তুলনায় দেখা যায়, 4,10,683টি ক্যানোনিক্যাল ঠিকানা ইতিমধ্যে অন্য ঘটনার রেকর্ডে রয়েছে এবং 1,53,869টি ঠিকানা বৈশ্বিক ইমেইল সূচকে নেই। মিলগুলো তথ্য ফাঁসের ঘটনার 703টি শনাক্তকারীর মধ্যে ছড়িয়ে আছে; সবচেয়ে বেশি মিল রয়েছে লগইন তথ্যের বড় সংকলন ও বিস্তৃত রুশ ডেটাসেটগুলোর সঙ্গে। বিদ্যমান তথ্য ফাঁসের কোনো একক ঘটনা HeadHunter-এর পুরো সেটের প্রতিনিধিত্ব করে না। আগের কোনো প্রসেসিং কাজও HeadHunter-এর নাম, ডোমেইন, স্লাগ, উৎসের কী, আর্কাইভের ডাইজেস্ট বা ক্যানোনিক্যাল ডাইজেস্টের সঙ্গে যুক্ত নেই। তাই ডেটাসেটটিকে অন্য পরিচয়ে ইতিমধ্যে ইমপোর্ট করা হয়েছে বলে ধরা হয়নি। একই সঙ্গে, তথ্য ফাঁসের বিভিন্ন ঘটনার মধ্যে সাধারণ মিলকে কোনো ব্যক্তি HeadHunter ব্যবহার করেছেন, এর প্রমাণ বলে ভুলভাবে ধরে নেওয়া হয়নি।

LeakData শুধু ইমেইল ঠিকানার যাচাইকৃত সংশ্লিষ্টতাগুলো প্রক্রিয়াকরণ করতে প্রস্তুত। এই উৎস থেকে নাম, ফোন নম্বর, ঠিকানা, জন্মতারিখ, কর্মজীবনের ইতিহাস, বেতন, শিক্ষা বা জীবনবৃত্তান্তের মুক্তভাবে লেখা বিষয়বস্তু ইমপোর্ট করা হয় না। আর্কাইভের সম্পূর্ণ পর্যালোচনার অর্থ এই দাবি করা নয় যে আর্কাইভটি ঐতিহাসিক ঘটনাটির সম্পূর্ণ অনুলিপি। কোনো মিল পাওয়া গেলে তা প্রমাণ করে না যে একটি অ্যাকাউন্ট 2018 সালে সক্রিয় ছিল, উৎসের প্রতিটি ক্ষেত্রের তথ্য হালনাগাদ আছে বা ঠিকানার মালিকই রেকর্ডটি দিয়েছিলেন। আপনাকে লক্ষ্য করে পাঠানো নিয়োগসংক্রান্ত ফিশিং, পুরোনো জীবনবৃত্তান্তের তথ্য উদ্ধৃত করা বার্তা এবং অ্যাকাউন্ট পুনরুদ্ধারসংক্রান্ত প্রতারণা সম্পর্কে সতর্ক থাকা উচিত। পাশাপাশি, প্রতিটি অ্যাকাউন্টে আলাদা পাসওয়ার্ড ব্যবহার করা এবং যেখানে সুবিধা আছে সেখানে বহু-উপাদানভিত্তিক প্রমাণীকরণ চালু রাখা উচিত।