与 HeadHunter (hh.ru) 相关的2018年简历数据集
本条目记录了一个与 HeadHunter 及 hh.ru 相关、标注年份为2018年的简历数据集，并未将其认定为已核实的安全入侵事件。本次审阅的公开来源均未提供确切的事件发生日期、完整的攻击手法，或能够唯一对应此存档的运营方公告，因此本记录使用 isVerified=false。2018年1月1日仅是精确到年份的日期在技术层面的表示方式，并不意味着事件发生在1月。本页面既保留了封存源文件与公开元数据之间可量化的关联，也说明了这种关联的局限。
此分类基于已审核的数量下限；实际影响和严重程度可能更高。
暴露的数据类型
12- 电子邮箱地址
- 姓名
- 电话号码
- 地理位置
- 出生日期
- 性别
- 职位名称
- 雇主
- Education information
- Salaries
- Skype usernames
- Resume information
关于此记录
BreachEra 在同一行记录中明确列出了 HeadHunter、hh.ru 域名、2018年、827,198条记录的规模，以及包括电子邮件地址在内的简历相关数据类别。经审阅的 CSV 恰好包含827,198条逻辑数据记录，而其文件名同时标注了2018年和827,199个物理行的规模。LeakedSource 目录在相同名称和域名下显示564,875条记录，NiamonX 和 9GHz 则描述为约827,000条记录。公开的数据泄露信息来源 没有与 HeadHunter 完全对应的条目。本条目未将这些相互冲突的记录规模作为去重后的受影响人数，因此 pwnCount 仍为 null。
Vedomosti 于2018年5月4日发表的一篇文章介绍了涉及 HeadHunter 的诉讼，争议涉及从其简历数据库提取数据及第三方访问这些数据。该文章为2018年未经授权提取 HeadHunter 简历信息提供了背景，但不能证明这份特定存档就是争议涉及的副本，也不能证明它源于某个特定的安全漏洞。另外，HeadHunter 自己的帮助中心说明，简历中的联系方式包括姓名、电话号码、电子邮件地址及其他沟通渠道，查看详细联系方式属于付费服务。这些来源共同为实体、服务、域名和字段含义提供了依据，但并未夸大事件的核实程度。
经审阅的 HeadHunter_BF.7z 存档大小为59,693,254字节，封存所用的 SHA-256 值为 e91452…ca2a。存档已通过完整的 7z 完整性测试。其中包含一个大小为501,590,148字节的 CSV 数据成员，以及一个大小为441字节的通用发布元数据成员。CSV 的 SHA-256 值为 b4c951…3150，采用带字节顺序标记的 UTF-8 编码，以逗号分隔，并有明确列出41列的表头。通用元数据成员不含行级电子邮件字段，也不含 @ 符号，其处理以 NO_EMAIL_FIELD 状态结束。
明确标示的 Email 表头对应的零基字段索引为6，该字段是唯一获准导入的字段。电话、备用电话、Skype、姓名、国家、地址、地区、城市、性别、出生日期、教育背景、工作经历、薪资、职业、工作偏好、自由文本和 URL 字段均被排除在导入范围之外。尽管如此，仍对全部41个字段进行了分析，检查整个单元格的值是否符合电子邮件地址形式。所选列之外共有279个这样的值，主要出现在 Skype 和姓名字段中。这些列没有被认定为电子邮件字段，因此这些值均未用于扩大覆盖范围，也未用于使结果趋近于目录中的数量。
在827,198条数据记录中，591,700条的电子邮件列有非空值。当前的 canonical-ascii-email-v1 规则接受的地址共出现590,343次，拒绝了1,357个非空值，并排除了235,498个空白单元格。将地址转为小写、去除首尾空白并进行全局去重后，得到564,552个唯一的规范化电子邮件地址。最终的私有文件大小为11,595,144字节，SHA-256 值为 d560fc…a916，两次独立生成的输出完全一致。这一数量并非人数：一个人可能使用多个地址，同一个地址也可能由多人共用。
三种实现支持这一结果：使用 Go 标准 CSV 读取器的编译版提取工具、使用自定义字节级 RFC 4180 状态机的另行编译的验证工具，以及 Python 的严格模式 CSV 读取器。三者均确认了827,198条记录、选取字段6、590,343个通过校验的地址值（包含重复项）、1,357个被拒绝的非空值、235,498个空白值，以及564,552个唯一的规范化地址。两个编译工具对大小为12,102,121字节的未去重地址数据流，以及41个字段分析中的每项汇总数据，也得出了相同结果。Mapping-admission v3 验证通过，源文件覆盖状态为 COMPLETE，没有延后处理的成员，并明确排除了全部279个非目标字段中符合电子邮件地址形式的值。
对 Mongo 实时数据的归属比对发现，410,683个规范化地址已存在于其他事件记录中，另有153,869个地址未出现在全局电子邮件索引中。重叠数据分布在703个泄露事件标识符下；重叠最多的对应大型凭据汇编和覆盖面广的俄罗斯数据集。没有任何一个已有泄露事件能代表这组 HeadHunter 数据，也没有既往任务与 HeadHunter 名称、域名、slug、源键、存档摘要或规范化数据摘要绑定。因此，该数据集不被视为已用其他身份导入；一般的跨泄露事件数据重叠，也不被误认为某人使用过 HeadHunter 的证明。
LeakData 准备仅处理已核实的电子邮件关联信息，不会从该来源导入姓名、电话号码、地址、出生日期、工作经历、薪资、教育背景或简历中的自由文本内容。对存档进行完整审阅，并不代表认定该存档是历史事件所涉数据的完整副本。匹配结果不能证明某个账户在2018年处于活跃状态、所有源字段的信息都是最新的，或记录由地址所有者提供。用户应警惕有针对性的招聘钓鱼、引用旧简历细节的消息以及账户恢复诈骗，并使用不重复的密码，在支持多因素身份验证的服务中启用该功能。
