Conjunto de dados de currículos de 2018 associado à HeadHunter (hh.ru)

Nenhuma fonte pública analisada aqui fornece o dia exato do incidente, um método de ataque completo ou um comunicado do operador que identifique esse arquivo de forma inequívoca. Por isso, o registro usa isVerified=false. A data de 1 de janeiro de 2018 é apenas a representação técnica de uma data com precisão limitada ao ano; ela não indica que um incidente tenha ocorrido em janeiro. A página preserva tanto a relação mensurável entre a fonte selada e os metadados públicos quanto os limites dessa relação.

Em uma única linha específica, a BreachEra lista HeadHunter, o domínio hh.ru, o ano 2018, um total de 827.198 registros e categorias de dados relacionadas a currículos, incluindo endereços de e-mail. O CSV analisado contém exatamente 827.198 registros lógicos de dados, enquanto seu nome de arquivo indica tanto 2018 quanto um total de 827.199 linhas físicas. O diretório LeakedSource exibe 564.875 registros para o mesmo nome e domínio, enquanto NiamonX e 9GHz descrevem cerca de 827 mil registros. O fonte pública sobre vazamentos de dados não tem uma entrada específica para HeadHunter. Esses totais divergentes não são tratados como uma contagem única de pessoas afetadas, portanto pwnCount permanece nulo.

Uma reportagem do Vedomosti de 4 de maio de 2018 descreve um litígio da HeadHunter relacionado à extração de dados de sua base de currículos e ao acesso de terceiros a esses dados. A reportagem oferece contexto sobre a extração não autorizada de informações de currículos da HeadHunter em 2018, mas não comprova que esse arquivo específico fosse a cópia envolvida na disputa nem que tenha sido obtido por meio de uma vulnerabilidade de segurança específica. Separadamente, a própria central de ajuda da HeadHunter explica que as informações de contato de um currículo incluem nome, número de telefone, endereço de e-mail e outros canais de comunicação, e que o acesso detalhado aos contatos é um serviço pago. Em conjunto, essas fontes corroboram a identificação da entidade, do serviço e do domínio, além do significado dos campos, sem exagerar o grau de verificação do incidente.

O arquivo compactado HeadHunter_BF.7z analisado tem 59.693.254 bytes e está selado com o SHA-256 e91452…ca2a. Ele passa em um teste completo de integridade com 7z. O arquivo compactado contém um arquivo de dados CSV de 501.590.148 bytes e um arquivo de metadados genéricos da distribuição de 441 bytes. O CSV tem o SHA-256 b4c951…3150, usa UTF-8 com uma marca de ordem de bytes, vírgula como delimitador e um cabeçalho explícito de 41 colunas. O arquivo de metadados genéricos não contém campo de e-mail no nível dos registros nem o símbolo de arroba, e sua revisão é encerrada como NO_EMAIL_FIELD.

O cabeçalho explícito Email corresponde ao campo de índice 6, com contagem a partir de zero, e é o único campo autorizado para importação. Os campos de telefone, telefone secundário, Skype, nome, país, endereço, região, cidade, gênero, data de nascimento, formação acadêmica, histórico profissional, salário, profissão, preferências de trabalho, texto livre e URL são excluídos. Ainda assim, todos os 41 campos foram analisados em busca de valores de célula inteira com formato de e-mail. Há 279 valores com esse formato fora da coluna selecionada, principalmente nos campos de Skype e nome. Nenhum deles é usado para ampliar a cobertura ou aproximar o resultado de uma contagem do catálogo, pois essas colunas não são autorizadas como campos de e-mail.

Dos 827.198 registros de dados, 591.700 têm um valor não vazio na coluna de e-mail. A regra atual canonical-ascii-email-v1 aceita 590.343 ocorrências, rejeita 1.357 valores não vazios e exclui 235.498 células vazias. A conversão para minúsculas, a remoção de espaços em branco nas extremidades e a eliminação global de duplicatas produzem 564.552 endereços de e-mail canônicos únicos. O arquivo privado final tem 11.595.144 bytes e SHA-256 d560fc…a916, sendo idêntico em duas saídas materializadas separadamente. Isso não é uma contagem de pessoas: uma pessoa pode usar vários endereços, e um endereço pode ser compartilhado.

Três implementações corroboram o resultado. Um extrator compilado que usa o leitor CSV padrão de Go, um validador compilado separadamente que usa uma máquina de estados RFC 4180 personalizada no nível dos bytes e o leitor CSV estrito de Python chegam aos mesmos resultados: 827.198 registros, seleção do campo 6, 590.343 ocorrências aceitas, 1.357 valores não vazios rejeitados, 235.498 células vazias e 564.552 endereços canônicos únicos. As ferramentas compiladas também concordam quanto ao fluxo de ocorrências de 12.102.121 bytes e a todos os valores agregados do perfil de 41 campos. A etapa Mapping-admission v3 é aprovada, com cobertura da fonte COMPLETE, nenhum arquivo adiado para análise posterior e exclusão explícita de todos os 279 valores com formato de e-mail fora do campo autorizado.

Uma comparação de pertencimento realizada em tempo real no Mongo encontra 410.683 endereços canônicos já presentes em registros de outros incidentes e 153.869 endereços ausentes do índice global de e-mails. As sobreposições estão distribuídas por 703 identificadores de vazamentos; as maiores correspondem a grandes compilações de credenciais e conjuntos de dados russos abrangentes. Nenhum vazamento existente, isoladamente, representa o conjunto da HeadHunter, e nenhuma tarefa anterior está vinculada ao nome, domínio, slug, chave de origem, hash do arquivo compactado ou hash canônico da HeadHunter. Portanto, o conjunto de dados não é tratado como já importado sob outra identidade, e a sobreposição comum entre vazamentos não é confundida com uma prova de que uma pessoa usou a HeadHunter.

A LeakData está preparada para processar apenas as associações verificadas de e-mail. Ela não importa nomes, números de telefone, endereços, datas de nascimento, histórico profissional, salário, formação acadêmica ou conteúdo de texto livre dos currículos dessa fonte. A análise completa do arquivo compactado não significa que ele seja uma cópia completa do evento histórico. Uma correspondência não comprova que uma conta estivesse ativa em 2018, que todos os campos da fonte estejam atualizados ou que o titular do endereço tenha fornecido o registro. Você deve estar alerta a phishing direcionado ligado a recrutamento, mensagens que citem detalhes de currículos antigos e fraudes de recuperação de conta, além de usar senhas únicas e autenticação multifator sempre que disponível.