Conjunto de datos de currículums de 2018 asociado a HeadHunter (hh.ru)

Ninguna de las fuentes públicas revisadas para esta entrada aporta el día exacto del incidente, un método de ataque completo ni un aviso del operador que identifique inequívocamente este archivo, por lo que el registro utiliza isVerified=false. El 1 de enero de 2018 es tan solo la representación técnica de una fecha cuya precisión se limita al año; no implica que se produjera un incidente en enero. La página conserva tanto la conexión medible entre la fuente sellada y los metadatos públicos como las limitaciones de esa conexión.

BreachEra recoge en una fila específica HeadHunter, el dominio hh.ru, el año 2018, un total de 827 198 registros y categorías de datos relacionadas con currículums, entre ellas direcciones de correo electrónico. El CSV revisado contiene exactamente 827 198 registros lógicos de datos, mientras que su nombre de archivo incluye tanto 2018 como un recuento de 827 199 líneas físicas. El directorio de LeakedSource muestra 564 875 registros para el mismo nombre y dominio, mientras que NiamonX y 9GHz describen unos 827 mil registros. Fuente pública sobre la filtración de datos no contiene ninguna entrada que corresponda exactamente a HeadHunter. Estos recuentos contradictorios no se interpretan como un recuento de personas afectadas sin duplicados, por lo que pwnCount sigue siendo null.

Un artículo de Vedomosti del 4 de mayo de 2018 describe un litigio de HeadHunter relacionado con la extracción de datos de su base de currículums y el acceso de terceros a esos datos. El artículo aporta contexto sobre la extracción no autorizada de información de currículums de HeadHunter en 2018, pero no demuestra que este archivo concreto fuera la copia implicada en el litigio ni que procediera de una vulnerabilidad de seguridad específica. Por separado, el propio centro de ayuda de HeadHunter explica que la información de contacto de los currículums incluye el nombre, el número de teléfono, la dirección de correo electrónico y otros canales de comunicación, y que el acceso a los datos de contacto detallados es un servicio de pago. En conjunto, estas fuentes respaldan la identificación de la entidad, el servicio y el dominio, así como el significado de los campos, sin exagerar el grado de verificación del incidente.

El archivo HeadHunter_BF.7z revisado tiene 59 693 254 bytes y está sellado mediante el SHA-256 e91452…ca2a. Supera una prueba completa de integridad con 7z. El archivo contiene un único miembro CSV de datos de 501 590 148 bytes y un miembro de metadatos genéricos de la publicación de 441 bytes. El CSV tiene el SHA-256 b4c951…3150, utiliza UTF-8 con una marca de orden de bytes, un delimitador de coma y una cabecera explícita de 41 columnas. El miembro de metadatos genéricos no contiene ningún campo de correo electrónico a nivel de fila ni ningún signo arroba, y se cierra con el estado NO_EMAIL_FIELD.

La cabecera explícita Email corresponde al campo de índice 6, contando desde cero, y es el único campo autorizado para la importación. Se excluyen los campos de teléfono, teléfono secundario, Skype, nombre, país, dirección, región, ciudad, género, fecha de nacimiento, educación, historial laboral, salario, profesión, preferencias laborales, texto libre y URL. Aun así, se elaboró un perfil de los 41 campos para detectar valores que ocuparan toda la celda y tuvieran apariencia de dirección de correo electrónico. Hay 279 valores con esa apariencia fuera de la columna seleccionada, principalmente en los campos de Skype y nombre. Ninguno se utiliza para ampliar la cobertura ni acercar el resultado a un recuento del catálogo, porque esas columnas no están autorizadas como campos de correo electrónico.

De los 827 198 registros de datos, 591 700 tienen un valor no vacío en la columna de correo electrónico. La regla actual canonical-ascii-email-v1 acepta 590 343 ocurrencias, rechaza 1 357 valores no vacíos y excluye 235 498 celdas vacías. La conversión a minúsculas, la eliminación de los espacios en blanco al principio y al final y la deduplicación global producen 564 552 direcciones de correo electrónico canónicas únicas. El archivo privado final tiene 11 595 144 bytes y el SHA-256 d560fc…a916, y es idéntico en dos salidas materializadas por separado. Esto no es un recuento de personas: una persona puede utilizar varias direcciones y una dirección puede ser compartida.

Tres implementaciones respaldan el resultado. Un extractor compilado que utiliza el lector CSV estándar de Go, un validador compilado por separado que utiliza una máquina de estados RFC 4180 personalizada a nivel de bytes y el lector CSV estricto de Python coinciden en los 827 198 registros, la selección del campo 6, las 590 343 ocurrencias aceptadas, los 1 357 valores no vacíos rechazados, las 235 498 celdas vacías y las 564 552 direcciones canónicas únicas. Las herramientas compiladas también coinciden en el flujo de ocurrencias de 12 102 121 bytes y en todos los valores agregados del perfil de 41 campos. Mapping-admission v3 supera la comprobación con una cobertura de la fuente COMPLETE, ningún miembro pendiente y la exclusión explícita de los 279 valores con apariencia de correo electrónico situados fuera del campo seleccionado.

Una comparación en tiempo real de la pertenencia de los datos en Mongo encuentra 410 683 direcciones canónicas ya presentes en registros de otros incidentes y 153 869 direcciones ausentes del índice global de correo electrónico. Las coincidencias se distribuyen entre 703 identificadores de filtraciones; las mayores corresponden a grandes recopilaciones de credenciales y amplios conjuntos de datos rusos. Ninguna filtración existente por sí sola representa el conjunto de HeadHunter, y ningún trabajo previo está vinculado al nombre de HeadHunter, su dominio, slug, clave de fuente, resumen criptográfico del archivo o resumen criptográfico canónico. Por tanto, el conjunto de datos no se considera ya importado bajo otra identidad, y las coincidencias habituales entre filtraciones no se confunden con una prueba de que una persona haya utilizado HeadHunter.

LeakData está preparado para procesar únicamente las asociaciones de correo electrónico verificadas. No importa nombres, números de teléfono, direcciones, fechas de nacimiento, historial laboral, salario, educación ni contenido de texto libre de los currículums de esta fuente. La revisión completa del archivo no implica que este sea una copia completa del suceso histórico. Una coincidencia no demuestra que una cuenta estuviera activa en 2018, que todos los campos de la fuente estén actualizados ni que el titular de la dirección aportara el registro. Manténgase alerta ante el phishing dirigido mediante supuestas ofertas de empleo, los mensajes que citan datos antiguos de currículums y el fraude relacionado con la recuperación de cuentas. Utilice contraseñas únicas y autenticación multifactor siempre que esté disponible.