[译]大数据之“数据黑市”

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

昨天揭露的安森蓝十字保险公司(Anthem Blue Cross)大规模的数据泄露事件,是对我们在当今数字化环境下薄弱的个人信息安全的一个强有力的醒示。与此同时,我们每个人都应该意识到,当企业无可避免地需要使用和维护大型数据库时,黑客更容易从中提取数据并将之出售在黑市上,这会引起人们极大的担忧。


安森(Anthem)透露,他们在上周发现,一个“非常复杂的外部网络攻击”窃取了大约8千万人的个人资料。黑客窃走了该美国第二大健康保险公司员工以及现在和以前客户的名字,生日,医疗号,社会安全号,地址,电话号码,电子邮箱地址和收入信息。


虽然泄露并没有涉及信用卡资料,但是后果依然严重,因为安全专家认为失去的这些数据对于身份窃贼来说更有价值。不难想象,数以千万计的数据点引起了黑市网站的一系列活动,犯罪分子购买和出售盗取的记录,就像小孩子交易棒球卡一样。


目前,网络安全软件开发商Easy Solutions的安全专家注意到,众多黑市网站中的一家Validshop.su交易活动增加了,网络犯罪分子将窃取的数据卖给了真正使用这些数据的身份窃贼,通常以此换取无法追踪的比特币。


“消费者不仅仅应该持续监测自己的信用报告,而且要时刻警惕任何其他更隐蔽的身份欺诈,因为这些数据记录一旦流进了黑市,最终就会流到全球犯罪分子的手中,”网络安全软件开发商Easy Solutions首席技术官丹尼尔·英格瓦尔德森(Daniel Ingevaldson)在一篇博客文章中写道。



图中,被盗取的数据在一家黑市网站被挂牌出售


所幸的是,安森的医疗记录并没有成为这次泄露数据中的一部分。根据一家监控黑客地下交易的安全软件公司PhishLabs所述,医疗记录的价值大概是信用卡号价值的10倍之多。


每种类型的数据都在黑市中都有其自己的价格。安全软件厂商趋势科技(TrendMicro)是一家追踪在地下经济中被盗数据价值的公司,他们发现一个座机电话号码在中国黑市价值16美元但在巴西黑市价值却高达1930美元。俄罗斯网络犯罪分子会为每条个人电子邮件地址支付高达100美元,而这些信息在中国或巴西黑市却分文不值。根据网络安全软件开发商Easy Solutions的发现,社会安全号码和生日的组合价值范围在$1.50至3美元,这取决于他们是如何将这些信息组合打包出售(例如与邮政编码组合或者与年龄组合)。


失窃记录的黑市市场是很大的,而且它正变得越来越大。在2014年发表的题为“网络犯罪工具和失窃数据的市场-黑客的集市“的报告中,兰德集团揭露出以营利为目的的网络犯罪的黑幕。


黑客市场曾一度是离散的,形式多样的,并且一开始只是在利己主义和名声的驱动下自发组成的网络,逐渐演变成为一个以经济为驱动的,高度组织化和复杂化的群体游乐场。在某些方面,黑市甚至比非法毒品贸易更加有利可图; 因为到终端用户的链接更直接,同时全球的分销都是通过电子来完成的,而完成这些的所需成本几乎可以忽略不计。”该公司写道。


网络犯罪分子现在更容易在暗处偷偷犯罪,这些都要感谢“暗网”的崛起(通过匿名工具,如TOR)和先进加密技术的日益普及。网络犯罪分子团体正在大力的开发和使用各种黑客工具,同样的,那些著名企业也致力于开发更加复杂的业务解决方案,以处理不断增长的数据量。


“从失窃记录和漏洞利用工具包到'订购窃取‘商品,例如知识产权和零日(通常为半天)漏洞,这些出售的信息和服务数量正在稳步增长,“兰德集团在报告中说。 “市场所提供的越来越多的服务模型,简单工具和网络教程使得它更加容易为技术新手所用。”



由于安森(Anthem)失去了大量的联系人的信息,安全专家警告说,安森的客户可能会被网络罪犯通过所谓“鱼叉式网络钓鱼”的诈骗方式联系,他们在试图提取更多有价值的信息。有了这么多的丢失的电子邮件地址,网络罪犯将很可能伪装成安森公司,并试图通过钓鱼网站骗取受害人透露更多的数据。这就是为什么安森公司已经决定,将只通过常用邮件联系用户。


安森的数据泄露只是过去的几年中众多的大数据泄露事件最新的一起:益百利( Experian)丢失200万条记录; 摩根大通(JPMorgan Chase)损失7600万条记录; 家得宝(HomeDepot)丢失5600万条; 塔吉(Target)丢失4000万至7000万条; 易趣(Ebay)丢失1.45亿条记录被盗; 以及奥多比(Adobe)失去3300万条。这里并没有算上索尼电影工作室在12月份那次臭名昭著的黑客攻击事件。另外,从2005年至2012年间持续不断的欺诈,导致了超过1亿6千万条记录从纳斯达克,JC Penney公司,7-Eleven便利店,Heartland服装公司,及其他公司中被窃取。


有了如此多数据泄露的案例,很可能你的数据也已经被泄露。 “身份盗窃战斗已经失败了,”蒙蒂 费德里(MontyFaidley),风险解决方案服务提供商律商联讯(LexisNexis)市场规划主任去年告诉Datanami。 “事实上,如果你看一下已经发生了的数据泄露事件,几乎每一个美国人的ID已经被暴露在外面的某个地方,并且是可供出售的。”


大数据的兴起已经引发了关于隐私权以及应该如何处理个人数据的激烈辩论。我们看到在很多案例中,即使隐私法得以实施,身份信息依然被泄露出去。但是,一旦犯罪分子将魔爪伸向这么多的数据,我们所有的成果都可能会付诸东流。


原文发布时间为:2015-02-22

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
8天前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
67 7
|
8天前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
23 2
|
21天前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
65 1
|
1月前
|
分布式计算 关系型数据库 MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
50 3
|
5天前
|
存储 大数据 数据管理
大数据分区简化数据维护
大数据分区简化数据维护
14 4
|
15天前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
37 3
|
15天前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
49 2
|
18天前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
61 2
|
20天前
|
数据采集 分布式计算 大数据
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第27天】在数字化时代,数据治理对于确保数据资产的保值增值至关重要。本文探讨了大数据平台的搭建和数据质量管理的重要性及实践方法。大数据平台应包括数据存储、处理、分析和展示等功能,常用工具如Hadoop、Apache Spark和Flink。数据质量管理则涉及数据的准确性、一致性和完整性,通过建立数据质量评估和监控体系,确保数据分析结果的可靠性。企业应设立数据治理委员会,投资相关工具和技术,提升数据治理的效率和效果。
54 2
下一篇
无影云桌面