HeadHunter (hh.ru) से संबद्ध 2018 का रेज़्यूमे डेटासेट

BreachEra की एक ही विशिष्ट पंक्ति में HeadHunter, hh.ru डोमेन, वर्ष 2018, 8,27,198 रिकॉर्ड का दायरा और ईमेल पतों सहित रेज़्यूमे से संबंधित डेटा श्रेणियाँ दर्ज हैं। समीक्षा की गई CSV में ठीक 8,27,198 तार्किक डेटा रिकॉर्ड हैं, जबकि उसके फ़ाइल नाम में 2018 और 8,27,199 भौतिक पंक्तियों का दायरा, दोनों दर्ज हैं। LeakedSource की निर्देशिका में इसी नाम और डोमेन के लिए 5,64,875 रिकॉर्ड दिखाए गए हैं, जबकि NiamonX और 9GHz लगभग 827 हज़ार रिकॉर्ड बताते हैं। डेटा में सेंध की जानकारी का सार्वजनिक स्रोत में HeadHunter की कोई सटीक रूप से मेल खाती प्रविष्टि नहीं है। इन परस्पर विरोधी दायरों के आधार पर प्रभावित व्यक्तियों की कोई निश्चित, दोहराव-रहित संख्या नहीं निकाली गई है, इसलिए pwnCount null बना हुआ है।

4 मई 2018 के Vedomosti लेख में HeadHunter के रेज़्यूमे डेटाबेस से डेटा निकालने और तीसरे पक्षों की उस डेटा तक पहुँच से संबंधित मुकदमे का वर्णन है। यह लेख 2018 में HeadHunter की रेज़्यूमे जानकारी को अनधिकृत रूप से निकाले जाने का संदर्भ देता है, लेकिन यह साबित नहीं करता कि विवाद में शामिल प्रति यही आर्काइव थी या यह किसी खास सुरक्षा खामी के कारण प्राप्त हुई थी। अलग से, HeadHunter का अपना सहायता केंद्र बताता है कि रेज़्यूमे की संपर्क जानकारी में नाम, फ़ोन नंबर, ईमेल पता और संचार के अन्य माध्यम शामिल होते हैं, और विस्तृत संपर्क जानकारी तक पहुँच एक सशुल्क सेवा है। ये स्रोत मिलकर संस्था, सेवा, डोमेन और फ़ील्ड के अर्थों के लिए आधार प्रदान करते हैं, लेकिन घटना के सत्यापन को बढ़ा-चढ़ाकर प्रस्तुत नहीं करते।

समीक्षा किया गया HeadHunter_BF.7z आर्काइव 5,96,93,254 बाइट का है और SHA-256 e91452…ca2a के साथ सीलबंद है। इसकी पूर्ण 7z अखंडता जाँच सफल है। आर्काइव में 50,15,90,148 बाइट की एक CSV डेटा फ़ाइल और 441 बाइट की एक सामान्य रिलीज़ मेटाडेटा फ़ाइल है। CSV का SHA-256 b4c951…3150 है। इसमें बाइट-ऑर्डर मार्क के साथ UTF-8, अल्पविराम विभाजक और स्पष्ट रूप से दिया गया 41-कॉलम हेडर है। सामान्य मेटाडेटा फ़ाइल में न तो पंक्ति-स्तर का ईमेल फ़ील्ड है और न ही ऐट चिह्न, और उसे NO_EMAIL_FIELD के रूप में बंद किया गया है।

स्पष्ट रूप से दिया गया Email हेडर शून्य से शुरू होने वाली गणना में फ़ील्ड इंडेक्स 6 पर है और केवल इसी फ़ील्ड को आयात करने की अनुमति है। फ़ोन, दूसरा फ़ोन, Skype, नाम, देश, पता, क्षेत्र, शहर, लिंग, जन्मतिथि, शिक्षा, रोजगार का इतिहास, वेतन, पेशा, काम से जुड़ी प्राथमिकताएँ, मुक्त पाठ और URL फ़ील्ड बाहर रखे गए हैं। फिर भी, पूरे सेल में ईमेल जैसे दिखने वाले मानों की जाँच के लिए सभी 41 फ़ील्ड की प्रोफ़ाइल तैयार की गई। चयनित कॉलम के बाहर ऐसे 279 मान हैं, जो अधिकतर Skype और नाम के फ़ील्ड में हैं। दायरा बढ़ाने या परिणाम को कैटलॉग की गिनती के करीब लाने के लिए इनमें से किसी का उपयोग नहीं किया जाता, क्योंकि उन कॉलम को ईमेल फ़ील्ड के रूप में अधिकृत नहीं किया गया है।

8,27,198 डेटा रिकॉर्ड में से 5,91,700 के ईमेल कॉलम में गैर-रिक्त मान है। मौजूदा canonical-ascii-email-v1 नियम 5,90,343 बार दर्ज मानों को स्वीकार करता है, 1,357 गैर-रिक्त मानों को अस्वीकार करता है और 2,35,498 खाली सेल को बाहर रखता है। अक्षरों को लोअरकेस (छोटे अक्षरों) में बदलने, मानों के आगे-पीछे के रिक्त स्थान हटाने और पूरे डेटासेट से दोहराव हटाने के बाद 5,64,552 अद्वितीय कैनोनिकल ईमेल पते प्राप्त होते हैं। अंतिम निजी फ़ाइल 1,15,95,144 बाइट की है और उसका SHA-256 d560fc…a916 है। अलग-अलग तैयार किए गए दो आउटपुट में यह समान है। यह व्यक्तियों की संख्या नहीं है: एक व्यक्ति कई पते इस्तेमाल कर सकता है और एक पता कई लोगों द्वारा साझा किया जा सकता है।

तीन कार्यान्वयन इस परिणाम का समर्थन करते हैं। Go के मानक CSV रीडर का उपयोग करने वाला एक संकलित एक्सट्रैक्टर, बाइट-स्तर की कस्टम RFC 4180 स्टेट मशीन का उपयोग करने वाला अलग से संकलित वैलिडेटर और Python का सख्त CSV रीडर, तीनों 8,27,198 रिकॉर्ड, फ़ील्ड 6 के चयन, 5,90,343 स्वीकृत दर्ज मानों, 1,357 अस्वीकृत गैर-रिक्त मानों, 2,35,498 खाली सेल और 5,64,552 अद्वितीय कैनोनिकल पतों पर सहमत हैं। संकलित टूल 1,21,02,121 बाइट की दर्ज मानों की स्ट्रीम और 41-फ़ील्ड प्रोफ़ाइल के हर समेकित आँकड़े पर भी सहमत हैं। Mapping-admission v3 सफल है: स्रोत कवरेज COMPLETE है, कोई आर्काइव फ़ाइल बाद की समीक्षा के लिए लंबित नहीं है और चयनित फ़ील्ड के बाहर ईमेल जैसे दिखने वाले सभी 279 मानों को स्पष्ट रूप से बाहर रखा गया है।

स्वामित्व की लाइव Mongo तुलना में 4,10,683 कैनोनिकल पते अन्य घटना रिकॉर्ड में पहले से मौजूद मिले और 1,53,869 पते वैश्विक ईमेल इंडेक्स में नहीं मिले। यह समानता 703 डेटा उल्लंघन पहचानकर्ताओं में फैली हुई है; सबसे बड़े मेल बड़े लॉगिन क्रेडेंशियल संकलनों और व्यापक रूसी डेटासेट से हैं। कोई एक मौजूदा डेटा उल्लंघन पूरे HeadHunter समूह का प्रतिनिधित्व नहीं करता, और कोई पिछला जॉब HeadHunter के नाम, डोमेन, स्लग, स्रोत कुंजी, आर्काइव डाइजेस्ट या कैनोनिकल डाइजेस्ट से जुड़ा नहीं है। इसलिए इस डेटासेट को किसी दूसरी पहचान के अंतर्गत पहले से आयात किया गया नहीं माना जाता। साथ ही, अलग-अलग डेटा उल्लंघनों में सामान्य रूप से मिलने वाले समान पतों को इस बात का प्रमाण नहीं माना जाता कि किसी व्यक्ति ने HeadHunter का इस्तेमाल किया था।

LeakData केवल सत्यापित ईमेल संबद्धताओं को प्रोसेस करने के लिए तैयार है। इस स्रोत से नाम, फ़ोन नंबर, पते, जन्मतिथियाँ, रोजगार का इतिहास, वेतन, शिक्षा या रेज़्यूमे का मुक्त-पाठ विवरण आयात नहीं किया जाता। आर्काइव की पूरी समीक्षा का अर्थ यह दावा करना नहीं है कि आर्काइव ऐतिहासिक घटना की पूर्ण प्रति है। कोई मेल यह साबित नहीं करता कि खाता 2018 में सक्रिय था, कि स्रोत का हर फ़ील्ड वर्तमान जानकारी देता है या कि रिकॉर्ड पते के स्वामी ने दिया था। उपयोगकर्ताओं को लक्षित भर्ती फ़िशिंग, पुराने रेज़्यूमे विवरण का उल्लेख करने वाले संदेशों और खाता पुनर्प्राप्ति धोखाधड़ी से सतर्क रहना चाहिए। उन्हें अलग-अलग खातों के लिए अलग पासवर्ड और जहाँ उपलब्ध हो, बहु-कारक प्रमाणीकरण का उपयोग करना चाहिए।