منتظر باشید ...

پرونده نشت والکس: تحلیل و اعتبارسنجی مستقل

پنجشنبه، 9 مهر 1405
نمونه‌ای از رکوردهای نشت هویتی صرافی والکس

نمونه‌ای از داده‌هایی که فروشنده‌ای با ادعای در اختیار داشتن دیتابیس صرافی والکس (wallex.ir) منتشر کرده، مورد تحلیل فنی مستقل قرار گرفت. هدف این بررسی، ارزیابی اصالت داده، دامنه افشا، زمان استخراج، روش دسترسی، و ارزیابی ادعای فروشنده درباره حجم واقعی نشت بود.

از همان ابتدا تلاش کردیم پس از بررسی و تأیید از طرف خودمان، پیش از انتشار هر خبری یا گزارشی، این موضوع را مستقیم و به‌طور کامل با والکس در میان بگذاریم. آنچه در ادامه می‌آید، شرح کامل و شفاف این مکاتبات است؛ هر بروزرسانی بعدی نیز از همین‌جا، با تاریخ، به این بخش افزوده خواهد شد.

شنبه، ۲۸ شهریور ۱۴۰۵

ایمیلی به آدرس عمومی پشتیبانی والکس ارسال و موضوع نشت را مطرح کردیم. همان روز یکی از اعضای تیم پشتیبانی پاسخ داد و آدرس [email protected] را برای ارسال مستندات فنی معرفی کرد.

در ادامه همان روز، مستندات کامل یافته‌ها را به این آدرس ارسال کردیم: فهرست فایل‌های در اختیار فروشنده، چند یافته مهم که تیم فنی والکس می‌توانست به‌سرعت راستی‌آزمایی کند، بازه زمانی دقیق استخراج داده برای بررسی گزارش‌های ممیزی، و ارزیابی ما از مسیر احتمالی دسترسی. در این ایمیل تأکید کردیم که آنچه بررسی کرده‌ایم نمونه‌ای از ادعای فروشنده است نه کل مجموعه، و تعیین دامنه دقیق افشا برعهده بررسی داخلی والکس است؛ همچنین اعلام کردیم در صورت نیاز تیم امنیت، نمونه‌های بیشتری از طریق یک کانال امن در اختیارشان قرار می‌گیرد.

تاریخ انتشار عمومی خبر اولیه (دوشنبه، ۶ مهر ۱۴۰۵) و مهلت پاسخ‌گویی پیش از آن را نیز در همین ایمیل مشخص کردیم.

دوشنبه، ۶ مهر ۱۴۰۵

بدون دریافت پاسخ دیگری، همان‌طور که از پیش اعلام کرده بودیم، خبر اولیه این نشت را در کانال تلگرام و توییتر لیکفا منتشر کردیم. ساعاتی بعد، همان آدرس ایمیل دوباره با ما تماس گرفت و درخواست یک مسیر ارتباطی سریع‌تر کرد. یادآوری کردیم که مستندات کامل پیش‌تر، در ۲۸ شهریور ارسال شده بود. در ادامه، والکس شناسه تماس مستقیم یکی از مدیران تیم امنیت خود را در اختیارمان گذاشت.

روزهای بعد

در یک گفتگوی خصوصی و امن، نمونه‌هایی از دو سر جدول هویت کاربران، به‌همراه جزئیات فنی بیشتر، برای راستی‌آزمایی در اختیار تیم امنیت والکس قرار گرفت. اطلاعاتی را هم که درباره هویت احتمالی فروشنده جمع‌آوری کرده بودیم، برای کمک به پیگیری موضوع با آن‌ها به اشتراک گذاشتیم.

یکی از نکات قابل‌توجه در این گفتگو این بود که تیم امنیت والکس احتمال داد فایل‌های پایتون موجود در مجموعه داده (detection.py، ordinal_detectors.py، calculator.py) ممکن است بازمانده یک پروژه تحلیل داخلی باشند، نه ابزار فروشنده. ارزیابی ما در §۴ بر پایه شواهد ساختاری، هم‌جواری این فایل‌ها با فایل کار فروشنده temp.txt، وجود نسخه دوم فهرست پرارزش، و نبود معادلی برای این فایل‌ها در محصول والکس، هم‌چنان همان برداشت فروشنده‌ساخته را محتمل‌تر می‌داند؛ اما تفکیک قطعی این دو احتمال تنها از طریق گزارش‌های دسترسی و لاگ داخلی خود والکس ممکن است، و منتظر نتیجه بررسی آن‌ها در این باره هستیم.

انتظار خودمان را هم به‌روشنی با تیم امنیت والکس در میان گذاشتیم: پذیرش رسمی و عمومی وقوع این نشت، اطلاع‌رسانی به همه کاربران متأثر و به‌ویژه کاربران پرموجودی که ظاهراً از پیش در داده جدا شده‌اند (§۴)، هشدار درباره فیشینگ هدفمند، فعال‌سازی احراز هویت دومرحله‌ای، و تعویض کارت‌های بانکی کاربران متأثر.

پنجشنبه، ۹ مهر ۱۴۰۵

تا لحظه انتشار این گزارش، والکس هیچ اطلاعیه یا واکنش رسمی عمومی‌ای نسبت به این نشت نشان نداده است. آخرین پیگیری ما از تیم امنیت والکس نیز تنها با پاسخ «هنوز بررسی‌ها ادامه داره» روبه‌رو شد. با گذشت بیش از سه روز کاری از تماس با تیم امنیت والکس، تصمیم گرفتیم این گزارش کامل را امروز منتشر کنیم. هر پاسخ یا اطلاعیه‌ای که از سوی والکس دریافت کنیم، به همین بخش، با تاریخ، افزوده خواهد شد.

پنجشنبه، ۱۶ مهر ۱۴۰۵

فروشنده نمونه تازه‌ای فرستاد: فهرستی با بیش از ۵۴۵ هزار نشانی ایمیل که از همان جدول هویت استخراج شده است. پس از بررسی این نمونه، یافته‌های آن را امروز به گزارش افزودیم.

نتیجه این بررسی دو چیز را روشن کرد. نخست، عدد واقعی رکوردهای جدول هویت با عدد اعلامی فروشنده (۷۴۸٬۰۴۸) همخوانی ندارد؛ برآورد مستقل ما این عدد را در بازه ۵۰۷ تا ۶۴۴ هزار رکورد تخمین زده بود. دوم و مهم‌تر، فروشنده گفته بخشی از نشانی‌های همین فهرست را به درخواست خریداران حذف کرده است؛ یعنی برخلاف ادعای اولش، این داده دیگر فقط در اختیار یک نفر نیست. شرح کامل این یافته‌ها را در بخش تازه §۹ و در §۸ به‌روزشده آورده‌ایم.

رکورد تحلیل‌شده
5,096
ادعای فروشنده / برآورد واقعی
748,048 / 507k–644k
نسل شناسه
2 (step 1 & 3)
فایل در اختیار فروشنده
16 · ~1.92GB
بازه ثبت‌نام
2018-10 → 2022-08
حد پایین استخراج
2022-08-22
فیلد در هر رکورد
26
حساب کارمندی
~142

§۰ خلاصه

مجموعه در اختیار فروشنده، شانزده فایل و نزدیک به دو گیگابایت داده از سامانه‌های والکس است. هسته آن یک جدول احراز هویت مشتری (KYC) است، حساس‌ترین جدولی که یک صرافی تحت نظارت نگهداری می‌کند، که به‌تنهایی ۶۰٪ حجم را می‌سازد. داده با اطمینان بسیار بالا اصیل است.

افشا در سه لایه است. لایه هویتی: نام، کد ملی، تاریخ تولد، شماره همراه و ثابت، نشانی، ایمیل و پیوند اسکن کارت ملی، اقلامی که هیچ‌کدام قابل تعویض نیستند. لایه مالی: شماره کارت بانکی کامل و بدون پوشش، شماره شبا با نام تأییدشده صاحب حساب، نشانی کیف پول‌ها و موجودی‌ها. لایه سازمانی: جدول کامل حساب‌های کارکنان همراه با هش رمز عبور (رمز عبور به‌شکل رمزگذاری‌شده و برگشت‌ناپذیر، نه متن ساده)، به‌علاوه فهرست سیاه و سفید سامانه مبارزه با پول‌شویی.

ساختار داده نشان می‌دهد استخراج از طریق دسترسی مستقیم و احراز هویت‌شده به پایگاه داده یا بک‌اند انجام شده است، نه از راه پیمایش بیرونی (حدس زدن و پیمودن پی‌در‌پی شناسه‌های کاربران از بیرون سامانه، از طریق API عمومی و...)، و در یک نشست واحد در 2022-08-22 برداشته شده. مجموعه شواهد، فرضیه دسترسی داخلی را به محتمل‌ترین توضیح تبدیل می‌کند، اما هیچ‌یک از این شواهد اثبات نیست و تفکیک قطعی «کارمند» از «اطلاعات ورود دزدیده‌شده» تنها با گزارش‌های ممیزی خود والکس ممکن است (§۱۱).

§۱ پایه شواهد

این گزارش بر پنج قلم داده متنی و دو تصویر استوار است. هیچ‌کدام کل مجموعه نیستند؛ همگی نمونه‌اند و این محدودیت در سراسر گزارش صریحاً لحاظ شده است.

دو قلم اصلی، دو فایل جداگانه از همان جدول هویت‌اند: نخست فروشنده فایلی با ۴٬۹۹۹ رکورد از ابتدای جدول، با اولین شناسه‌ها، در اختیار گذاشت؛ سپس، به درخواست ما برای اعتبارسنجی بیشتر، فایل دومی با ۹۴ رکورد از انتهای همان جدول، با آخرین شناسه‌ها، نیز ارسال کرد. بعدتر، فروشنده فهرست سومی هم به‌طور جداگانه فرستاد: فایلی با بیش از ۵۴۵ هزار نشانی ایمیل که از همان جدول استخراج شده بود (§۹). در سراسر این گزارش، از این سه فایل با عنوان «بخش ابتدایی»، «بخش انتهایی» و «فهرست ایمیل» یاد می‌شود.

اقلام بررسی‌شده
قلمحجمجایگاه در جدولنقش در تحلیل
بخش ابتدایی پروفایل4,999اولین شناسه‌های جدولپایه آمار پوشش و جمعیت‌شناسی
بخش انتهایی پروفایل94آخرین شناسه‌های جدولتأیید مستقل اصالت؛ ساختار شناسه‌ها
رکورد ادمین1جدول کارکنانساختار جدول اطلاعات ورود
رکورد شبا1جدول حساب‌های بانکیاعتبارسنجی ریاضی؛ حد زمانی
رکورد شماره کارت1جدول کارت‌هااعتبارسنجی ریاضی
تصویر جدول کارکنان29 سطرجدول کارکنانبرآورد تعداد؛ ساختار نقش‌ها و 2FA
تصویر پوشه فروشنده16 فایل—دامنه افشا؛ برآورد حجم
فهرست ایمیل545,318جدول هویت، به ترتیب شناسهحد پایین تعداد رکوردها؛ راستی‌آزمایی مستقل

فایل‌های پروفایل در واقع CSV نیستند؛ آرایه JSONاند، هر شیء در یک خط. هر ۵٬۰۹۳ رکورد پروفایل بدون حتی یک خطای تجزیه خوانده شد و همگی دقیقاً ۲۶ فیلد یکسان با ترتیب کلید یکسان دارند. همین یکدستی خود یک شاهد است و در §۱۱ به آن بازمی‌گردیم: داده‌ای که با پیمایش وب، دستی، یا از ترکیب چند منبع جمع شده باشد هرگز این‌قدر یکدست نیست.

دو قلم از شواهد، تصویرند، و تصویر را می‌توان ساخت

تصویر را نمی‌توان تجزیه کرد. اما تصویرها عدد می‌دهند (اندازه فایل، شماره آخرین سطر) و عدد را می‌توان در برابر داده‌های متنی مستقل آزمود. در §۸ دقیقاً همین کار انجام شده و هر دو آزمون با خطای زیر یک درصد قبول شده‌اند؛ به همین دلیل تصویرها در این گزارش شاهد شمرده شده‌اند، نه ادعا.

§۲ اصالت داده: آیا واقعی است؟

این نخستین پرسشی است که هر تحلیل نشت باید پاسخ دهد، چون بازار داده‌های نشت‌یافته پر است از مجموعه‌های جعلی یا بازیافتی. شش آزمون مستقل اجرا شد و همگی یک نتیجه دادند. مهم‌تر آنکه چند آزمون روی دو بخش بدون هم‌پوشانی با چهار سال فاصله تکرار شدند.

رقم کنترلی کد ملی در هر دو سر جدول معتبر است قطعی

کد ملی ایرانی رقم کنترلی بر پایه باقی‌مانده بر ۱۱ دارد. در بخش ابتدایی از ۴٬۹۹۹ رکورد: ۴٬۹۹۰ معتبر، ۳ مردود، ۶ بدساخت (۹۹٫۸٪). در بخش انتهایی، ۶۰ رکورد کد ملی دارند و هر شصت مورد معتبرند، نرخ ۱۰۰٪.

عددهای ده‌رقمی تصادفی تنها با نرخ حدود ۹٪ (یک از یازده) این آزمون را می‌گذرانند. احتمال اینکه شصت عدد ساختگی همگی قبول شوند در حدود 1.7 × 10-63 است. این شماره‌ها یا از سوی سازمان ثبت احوال صادر شده‌اند، یا کسی عمداً الگوریتم رقم کنترلی را پیاده کرده، و با توجه به شواهد زیر، احتمال نخست به‌مراتب بیشتر است.

فیلد inquiry پاسخ ذخیره‌شده سامانه استعلام دولتی است تعیین‌کننده

این فیلد در ۸۴٫۹٪ رکوردهای بخش ابتدایی پر است و در ۴٬۱۱۶ مورد دقیقاً برابر first_name و last_name همان رکورد است، یعنی سامانه نام را با منبع دولتی مطابقت داده و پاسخ را نگه داشته.

بخش انتهایی این را از حدس به اثبات می‌رساند: از ۶۰ رکورد دارای inquiry، ۴۲ مورد نام کامل است و ۱۸ مورد باقی یک رشته خطای فارسی است، خطا : (پروفایل تایید نشده است).

این نوع مصنوع جعل‌شدنی نیست. کسی که داده می‌سازد نام جعلی می‌سازد؛ پیام خطای ذخیره‌شده یک سرویس استعلام دولتی نمی‌سازد. این قوی‌ترین شاهد اصالت در کل پرونده است.

داده بانکی از آزمون‌های ریاضی خودش می‌گذرد قطعی

شبا: رقم کنترلی mod-97 برابر ۱ است (معتبر)، و کد بانک در ارقام سوم تا پنجم، 017، دقیقاً با فیلد bank_name همان رکورد می‌خواند. یک سازنده داده باید هم‌زمان الگوریتم mod-97 را پیاده کند و جدول کد بانک‌ها را هم درست نگاشت کند.

شماره کارت: شانزده رقم کامل، از آزمون Luhn می‌گذرد، و BIN آن نیز به همان بانک اشاره می‌کند.

فیلد owners در رکورد شبا، نام صاحب حساب به‌همراه وضعیت «فعال» را نگه می‌دارد، یعنی پاسخ ذخیره‌شده استعلام بانکی، نه ورودی کاربر. همان الگوی inquiry، این‌بار در برابر شبکه بانکی.

هیچ رکورد تکراری در فیلدهای یکتا وجود ندارد قوی

در بخش ابتدایی: ۴٬۹۹۹ کد ملی متمایز، ۴٬۹۹۸ ایمیل، ۴٬۹۸۳ شماره همراه، ۴٬۹۹۹ کد دعوت و ۴٬۹۹۹ نشانی سند، بدون هیچ برخوردی. در بخش انتهایی نیز هر ۹۴ شماره همراه، هر ۹۴ کد دعوت و هر ۶۰ کد ملی متمایزند. این امضای یک جدول زنده تحت قید یکتایی پایگاه داده است، نه فهرستی که دستی گردآوری شده باشد.

ساختار میان دو بخش تکامل یافته، و باگ‌های واقعی را با خود آورده پشتیبان

هر دو بخش همان ۲۶ فیلد و همان ترتیب کلید را دارند (یک جدول، یک استخراج). اما درون فیلد settings رکوردهای تازه، سه کلید افزوده شده: api_key_expiration، choose_trading_type و اعلان price_alert. همچنین یک کلید معیوب "0": "manual_deposit" دیده می‌شود، نشت یک اندیس آرایه به درون شیء تنظیمات، یعنی یک باگ واقعی در کد محصول. داده‌ساز، باگ بازتولید نمی‌کند.

توزیع‌های جمعیتی و شبکه‌ای واقع‌گرایانه‌اند پشتیبان

پیش‌شماره همراه با سهم واقعی اپراتورهای ایرانی هم‌خوان است (همراه اول حدود ۶۷٪، ایرانسل حدود ۳۰٪، رایتل حدود ۳٪). پیش‌شماره تلفن ثابت با مراکز جمعیتی واقعی می‌خواند: تهران ۱٬۶۲۰، اصفهان ۴۳۲، تبریز ۳۷۶، مشهد ۳۴۱. نشانی‌های IP در فضای تخصیصی ایران قرار دارند (تمرکز در 5.112.0.0/12) و هیچ نشانی خصوصی RFC1918 در میان آن‌ها نیست.

ارزیابی: این داده، داده شخصی واقعی متعلق به افراد واقعی است و باید به‌عنوان اطلاعات هویتی زنده با آن رفتار شود، نه یک نمونه آزمایشگاهی. این نتیجه با اعتبارسنجی انسانی بخش §۳ نیز تأیید می‌شود.

§۳ اعتبارسنجی انسانی: OSINT و بررسی مستقیم از صفحه ورود والکس

آزمون‌های آماری بخش §۲ فقط می‌توانند بگویند «این کدها ساختاری معتبر و متعلق به یک سامانه واقعی دارند». برای پاسخ به پرسش مهم‌تر، «آیا پشت این رکوردها واقعاً آدم زنده هست، و آیا این داده واقعاً از والکس آمده؟»، دو بررسی مستقل دیگر هم انجام شد: یک دور اعتبارسنجی انسانی با روش OSINT (جمع‌آوری و تطبیق اطلاعات از منابع آزاد و عمومی)، و یک بررسی مستقیم از طریق صفحه ورود عمومی والکس.

تطبیق دستی با شبکه‌های اجتماعی رایج تأیید میدانی

تعدادی رکورد، هم از بخش ابتدایی و هم از بخش انتهایی، به‌صورت کاملاً تصادفی انتخاب شد. برای هر رکورد، ترکیبی از نام و نام خانوادگی، سال تولد و بخشی از شماره همراه در شبکه‌های اجتماعی رایج جست‌وجو شد تا مشخص شود آیا فردی با همین مشخصات و نمایه منطبق پیدا می‌شود یا نه.

در تمام موارد بررسی‌شده، مشخصات هویتی رکورد، نام، سن تقریبی، و در چند مورد شهر یا حرفه، با نمایه‌های عمومی پیداشده هم‌خوانی داشت. هیچ موردی با ناهم‌خوانی آشکار یا نشانه‌ای از داده جعلی/تصادفی مشاهده نشد.

شماره‌های همراه، در صفحه ورود والکس ثبت‌نام‌شده‌اند تأیید مستقیم

صفحه ورود والکس یک ویژگی عمومی دارد: وقتی شماره همراهی وارد می‌شود، اگر آن شماره پیش‌تر ثبت‌نام کرده باشد، سامانه کاربر را به صفحه «ورود به والکس» می‌برد و رمز عبور می‌خواهد؛ اگر ثبت‌نام نکرده باشد، او را به صفحه «تایید شماره موبایل» می‌برد، کدی برایش می‌فرستد و از او می‌خواهد همان کد را وارد کند. این ویژگی برای هر بازدیدکننده‌ای، با هر شماره‌ای، در دسترس است و نیازی به هیچ اطلاعات محرمانه ندارد.

تعدادی شماره همراه، به‌صورت تصادفی از بخش ابتدایی انتخاب و در همین صفحه عمومی آزموده شد. در تمام موارد، سامانه مرحله «ورود رمز عبور» را نشان داد؛ یعنی همه این شماره‌ها از پیش در والکس ثبت‌نام شده بودند. هیچ رمزی وارد نشد و هیچ حسابی باز نشد؛ تنها همین یک مرحله نخست، که برای هر بازدیدکننده‌ای در دسترس است، بررسی شد.

اگر این داده ساختگی بود یا از سامانه دیگری آمده بود، انتظار می‌رفت دست‌کم بخشی از شماره‌ها به مرحله ثبت‌نام برسند، نه ورود رمز عبور. اینکه همه موارد آزموده‌شده دقیقاً به یک نتیجه رسیدند، شاهد مستقل دیگری است بر اینکه این شماره‌ها واقعاً متعلق به کاربران ثبت‌نام‌شده والکس‌اند.

محدودیت‌های این دو آزمون

این دو روش، مکمل آزمون‌های آماری بخش §۲ هستند، نه جایگزین آن‌ها. نمونه‌ای کوچک در برابر ده‌ها هزار رکورد کل مجموعه، از نظر آماری برای برآورد دقیق نرخ خطا کافی نیست؛ ارزش این بررسی‌ها کیفی است نه کمّی: نشان می‌دهند پشت کدهای ملی معتبر، انسان‌های واقعی‌اند، و این شماره‌ها واقعاً در والکس ثبت‌نام شده‌اند، نه ارقام تصادفی‌ای که فقط رقم کنترلی را پاس می‌کنند.

در جریان هر دو بررسی، هیچ داده‌ای از نمونه منتشر یا با شخص ثالث به اشتراک گذاشته نشد، با هیچ‌یک از افراد شناسایی‌شده تماسی گرفته نشد، و هیچ رمز عبور یا اطلاعات محرمانه‌ای وارد یا استفاده نشد؛ بررسی صفحه ورود هم تنها به همان یک مرحله عمومی محدود بود که برای هر بازدیدکننده‌ای در دسترس است. این کار صرفاً برای اعتبارسنجی داخلی اصالت داده و به‌صورت موقت انجام شد و یادداشت‌های آن پس از تکمیل تحلیل حذف شدند.

نتیجه این دو بررسی، یافته بخش §۲ را تقویت می‌کند: این یک مجموعه جعلی یا تولیدشده با الگوریتم نیست؛ رکوردهای آن به افراد واقعی و کاربران واقعی و ثبت‌نام‌شده والکس تعلق دارد.

§۴ دامنه افشا: شانزده فایل

تصویر پوشه کاری فروشنده، فهرست، نام و اندازه دقیق هر فایل را نشان می‌دهد. این تنها قلمی است که دامنه کامل را مشخص می‌کند، بدون آن، تحلیل به یک جدول محدود می‌ماند.

فهرست فایل‌های پوشه «Wallex Database» شامل شانزده فایل با نام و اندازه؛ بزرگ‌ترین فایل newWallex_User_profiles.json با حجم ۱٫۱۶ گیگابایت است.
تصویر ۱، پوشه کاری فروشنده. فقط پنجره مدیر فایل نگه داشته شده و پنجره ویرایشگر که در تصویر اصلی داده خام مشتریان را نشان می‌داد، به‌طور کامل حذف شده است؛ مستطیل سیاه ستون تاریخ، پوشش خود فروشنده است. فهرست در لبه پایین صفحه بریده می‌شود، پس ممکن است فایل‌های دیگری زیر خط برش باشند.
User_profiles1.16 GB
user_status282 MB
wallet_ibans123 MB
card_numbers111 MB
new_balances110 MB
wallet_addr92 MB
addr_wallet44 MB
جدول هویت، ۶۰٪ کل حجم سایر جدول‌ها ۹ فایل باقی‌مانده روی‌هم ۰٫۶ مگابایت‌اند و در نمودار دیده نمی‌شوند
فهرست کامل، رونویسی از تصویر ۱
فایلاندازهمحتوای استنباطیشدت
newWallex_User_profiles.json1.16 GBجدول هویت، §۵بحرانی
newWallex_user_status.json282.2 MBوضعیت حساب‌هابالا
wallet_ibans.json122.9 MBشبا با نام تأییدشده صاحب حساببحرانی
wallex_wallet_card_numbers.json111.3 MBشماره کارت کاملبحرانی
trade_new_balances.json110.3 MBموجودی‌ها (فروشنده می‌گوید منسوخ است)بالا
wallet_addresses.json92 MBنشانی کیف پول کاربرانبالا
wallet_address_wallet.json44.2 MBنگاشت نشانی به کیف پولمتوسط
valuable_addresses.json363 KBفهرست کوتاه نشانی‌های پرارزشبحرانی
wallet_blacklist_addresses.json68 KBفهرست سیاه مبارزه با پول‌شوییحساس داخلی
wallet_white_list_user.json65 KBفهرست سفید برداشتحساس داخلی
admin_users.json48 KBحساب‌های کارکنان، §۶بحرانی
valuable_addresses_2.json34 KBپالایش دوم فهرست پرارزشبحرانی
temp.txt31 KBفایل کار فروشنده—
detection.py4 KBابزار خود فروشنده—
ordinal_detectors.py2 KBابزار خود فروشنده—
calculator.py1 KBابزار خود فروشنده—

فایل‌های valuable_addresses یک فهرست هدف‌گیری‌اند قصد

این دو فایل در محصول والکس معادلی ندارند. نام‌گذاری‌شان، وجود نسخه «۲» (یعنی یک پالایش دوم)، و حضور detection.py، ordinal_detectors.py و calculator.py در همان پوشه نشان می‌دهد خود فروشنده آن‌ها را تولید کرده است، با اجرای کد روی داده‌های خام، برای جداکردن پرموجودی‌ترین کاربران.

اندازه کوچک آن‌ها (۳۶۳ و ۳۴ کیلوبایت، در برابر ۹۲ مگابایت فایل کامل نشانی‌ها) این خوانش را تقویت می‌کند، نه تضعیف: این یک تخلیه انبوه نیست، یک فهرست کوتاه و تصفیه‌شده است. در مقیاس چند ده بایت به ازای هر نشانی، صحبت از چند هزار هدف است، نه چند صد هزار.

این یک تفاوت کیفی است. داشتن داده یک چیز است؛ پالایش داده برای یافتن ثروتمندترین قربانیان چیز دیگری. این کار نگهداری نیست، آماده‌سازی است، و در اولویت‌بندی هشدار به کاربران باید لحاظ شود.

فهرست سیاه و فهرست سفید، اسناد داخلی انطباق‌اند حاکمیتی

این دو فایل هیچ مسیر نمایش به کاربر ندارند؛ مصنوعات سامانه مبارزه با پول‌شویی‌اند. افشای فهرست سیاه به مجرم می‌گوید کدام نشانی‌ها رصد می‌شوند؛ افشای فهرست سفید می‌گوید برداشت به کدام نشانی‌ها بدون اصطکاک انجام می‌شود. هر دو ارزش تهاجمی مستقیم دارند.

وجودشان از نظر مسیر دسترسی هم معنادار است: کسی که فقط به جدول مشتریان دست یافته باشد، به این‌ها نمی‌رسد (§۱۱).

§۵ جدول هویت: چه چیزی در آن است

این جدول ۲۶ ستون دارد و ۶۰٪ حجم مجموعه است. آنچه در آن نیست هم اهمیت دارد: نه رمز عبور مشتری، نه کلید API، نه کلید کیف پول. اما داده هویتی را، برخلاف رمز عبور، نمی‌توان تعویض کرد.

پوشش فیلدها در بخش ابتدایی (n = 4,999)
دسته دادهتعدادپوششتوضیح
نام و نام خانوادگی4,997100.0%به خط فارسی
کد ملی4,999100.0%شناسه اصلی هویت در ایران
تاریخ تولد4,99499.9%۱۶۴ مقدار پیش‌فرض، §۱۰
شماره همراه4,999100.0%۹۹٫۷٪ خوش‌ساخت 09XXXXXXXXX
نشانی ایمیل4,999100.0%۵۹ دامنه متمایز
تلفن ثابت و پیش‌شماره4,999100.0%پیش‌شماره، استان را مشخص می‌کند
نشانی پستی4,997100.0%۴٬۷۷۹ مورد متنی آزاد؛ ۱۰ مورد با کد پستی
نشانی تصویر کارت ملی4,999100.0%پیوند به اسکن کارت ملی
آخرین نشانی IP4,94899.0%۴٬۷۹۴ مورد متمایز؛ ۲۰۸ مورد IPv6
تصویر یا ویدئوی چهره210.4%سلفی احراز هویت تصویری

۹۹٫۹٪ رکوردهای بخش ابتدایی مجموعه کامل سرقت هویت را دارند بحرانی

۴٬۹۹۴ رکورد از ۴٬۹۹۹ هم‌زمان شامل نام، کد ملی، تاریخ تولد، شماره همراه، ایمیل و پیوند اسکن کارت ملی هستند. این ترکیب برای تصرف حساب در سامانه‌های دیگر، کلاهبرداری اعتباری و جعل هویت در برابر هر سرویس ایرانی که با «کد ملی + شماره همراه» احراز هویت می‌کند کافی است.

هیچ‌یک از این اقلام قابل ابطال نیست. رمز عبور لو رفته را در یک دقیقه عوض می‌کنند؛ کد ملی لو رفته برای همیشه لو رفته است.

پوشش، در طول عمر جدول ثابت نیست

ارقام بالا ویژگی قدیمی‌ترین کاربران‌اند. همان اندازه‌گیری روی بخش انتهایی، تصویر متفاوتی می‌دهد، و این تفاوت، دو چیز را هم‌زمان می‌گوید: تعمیم‌های ساده نادرست‌اند، و ساختار جدول در طول زمان تغییر کرده است.

افت پوشش فیلدها از کاربران اولیه جدول به کاربران پایانی آن 0% 25% 50% 75% 100% نشانی ایمیل آخرین نشانی IP نشانی پستی تصویر کارت ملی کد ملی وضعیت تأییدشده
کاربران اولیه جدول کاربران پایانی جدول مقادیر دقیق در جدول زیر
همان داده، به‌صورت عددی، ردیف‌ها به ترتیب نمودار بالا
فیلدکاربران اولیهکاربران پایانیتفسیر
نشانی ایمیل100.0%4.3%ایمیل به جدول دیگری منتقل شده است
آخرین نشانی IP99.0%0.0%ثبت IP در این جدول متوقف شده
نشانی پستی100.0%0.0%شیء نشانی هست، اما همه فیلدها جز «کشور» تهی‌اند
تصویر کارت ملی100.0%9.6%سند هنوز بارگذاری نشده، نه اینکه حذف شده باشد
کد ملی100.0%63.8%پروفایل به‌تدریج پر می‌شود
وضعیت تأییدشده84.6%0.0%ثبت‌نام‌های ساعات پایانی، هنوز فرصت احراز نداشته‌اند

سه پیامد برای هر تعمیمی از این اعداد

  • نرخ ۱۰۰٪ تصویر کارت ملی را به کل جدول تعمیم ندهید. تعداد واقعی اسناد، جایی میان ۹٫۶٪ و ۱۰۰٪ است و بی‌گمان بسیار کمتر از «یک سند به ازای هر رکورد».
  • خالی بودن یک فیلد در رکوردهای تازه به معنای امن بودن آن نیست. ایمیل از این جدول رفته، اما به فایل دیگری در همان پوشه رفته است؛ فهرست ایمیلی که بعدتر به دست آمد نشان می‌دهد صدها هزار رکورد دیگر همین جدول، ایمیل دارند (§۹).
  • ترکیب اپراتور هم جابه‌جا می‌شود. سهم ۲۴٫۴ درصدی 0912، بلوک قدیمی و ممتاز تهران، در بخش انتهایی به ۷٫۴٪ می‌رسد و بلوک‌های تازه‌تر (0902، 0903، 0990) بالا می‌آیند. سوگیری نمونه فرضیه نیست؛ اندازه‌گیری شده است.

تصاویر مدارک هویتی ممکن است هنوز قابل دریافت باشند بررسی فوری

نشانی‌های اسناد دو نسل دارند. نسل قدیم: https://admin-api.wallex.ir/images/national-card/<user_id>/jpg/<توکن ۳۰ نویسه‌ای>. نسل تازه از 2022-01-23 به بعد: همان میزبان با /jpeg/ و شناسه UUIDv4.

هر دو نسل آنتروپی بالایی دارند و قابل حدس یا شمارش نیستند، اما این‌ها نشانی‌های مبتنی بر «داشتن کلید» هستند. هر کسی که یک سطر نشت‌یافته را دارد، توکن آن را هم دارد. اگر آن نقطه پایانی هنوز بدون نشست احراز هویت‌شده فایل تحویل دهد، این نشت دیگر چند صد هزار رکورد متنی نیست؛ چند صد هزار تصویر از مدارک هویتی دولتی است.

هیچ نشانی‌ای آزمایش نشد. فراخوانی آن‌ها دسترسی غیرمجاز به مدارک هویتی اشخاص ثالث است. این بررسی باید توسط خود والکس یا یک مرکز پاسخ‌گویی به رخداد (CERT) که صلاحیت درخواست دارد انجام شود.

درباره نام میزبان admin-api

این نشانی‌ها به admin-api.wallex.ir اشاره می‌کنند، نه به API عمومی. مقدار ذخیره‌شده به یک سطح مدیریتی ارجاع می‌دهد، نکته‌ای که در تحلیل روش دسترسی اهمیت دارد (§۱۱).

§۶ داده بانکی و اطلاعات ورود کارکنان

این بخش از جدول هویت فراتر می‌رود؛ شامل دو دسته داده دیگر هم هست: اطلاعات مالی کامل (شماره کارت و شبا) و هش رمز عبور ۱۴۲ حساب کارمندی. یعنی آنچه از والکس خارج شده، تنها اطلاعات هویتی مشتریان نیست؛ اطلاعات ورود کارکنان هم در میان داده‌های افشاشده است.

شماره کارت و شبا: افشا از «هویت» به «مالی» ارتقا می‌یابد بحرانی

شماره کارت در فایل مربوطه شانزده رقم کامل و بدون پوشش است. رکورد شبا، افزون بر شماره، bank_name و فیلد owners را دارد که نام صاحب حساب به‌همراه وضعیت «فعال» را نگه می‌دارد، یعنی پاسخ ذخیره‌شده استعلام بانکی، نه ورودی خود کاربر.

پیوند «کد ملی + تاریخ تولد + شماره همراه + شماره کارت + شبا + نام تأییدشده بانکی» همان مجموعه‌ای است که برای افتتاح حساب جعلی، مسیردهی پول‌شویی، و مهندسی اجتماعی با پشتوانه بانکی لازم است.

برآورد حجم به روش §۸: ۴۲۱ تا ۴۴۱ هزار سطر شبا و ۴۵۶ تا ۴۷۸ هزار شماره کارت.

هش رمز عبور حدود ۱۴۲ کارمند در مجموعه است بحرانی

جدول کارکنان دوازده فیلد دارد: id، email، first_name، last_name، mobile_number، role_id، status، two_step_verification، settings، password، created_at، updated_at.

فیلد password یک هش bcrypt با پیشوند $2y$ و ضریب هزینه ۱۰ است. این خبر خوب نسبی است، bcrypt انتخاب درستی است و برخلاف MD5 یا SHA-1 شکستن انبوه آن ممکن نیست. اما ضریب ۱۰ در برابر سخت‌افزار امروزی پایین است و رمزهای ضعیف، تکراری یا از پیش نشت‌یافته به‌صورت برون‌خط شکسته می‌شوند. این هش‌ها از اوت ۲۰۲۲ در اختیارند؛ فرصت حمله، سال‌ها بوده است.

دست‌کم یک حساب ادمین بدون احراز هویت دومرحله‌ای بررسی فوری

فیلد two_step_verification سه مقدار می‌گیرد: ۲ (اکثریت روشن)، ۱، و ۰ در دست‌کم یک سطر. اگر ۰ به معنای «غیرفعال» باشد، برای آن حساب هش رمز عبور تنها عامل احراز هویت است و زنجیره «شکستن برون‌خط ← ورود مستقیم به پنل مدیریت» کامل می‌شود.

هر حساب کارمندی که از اوت ۲۰۲۲ رمزش عوض نشده باشد باید در معرض نفوذ فرض شود، مستقل از اینکه هنوز فعال است یا نه، و مستقل از ادعای فروشنده مبنی بر اینکه «اطلاعات ادمین‌ها تغییر کرده».

افشا مرز یک شخصیت حقوقی را رد می‌کند زمینه

تصویر جدول کارکنان (که در این گزارش منتشر نشده؛ دلیلش در ادامه همین بخش آمده) ۲۹ سطر پیاپی را نشان می‌دهد و فایل در سطر ۱۴۳ پایان می‌یابد؛ با اندازه ۴۸ کیلوبایت، حدود ۱۴۲ حساب کارمندی برآورد می‌شود. سه دامنه ایمیل دیده می‌شود: دو دامنه خود والکس، و یک دامنه سوم متعلق به شرکت مرتبط، که دامنه حساب ادمین شماره ۱ هم هست. هرگونه اطلاع‌رسانی و ابطال رمز باید هر سه دامنه را پوشش دهد.

فیلد role_id دست‌کم شش مقدار متمایز می‌گیرد که یکی از آن‌ها پرتکرارترین است، یعنی یک مدل نقش‌محور واقعی، نه دسترسی تخت. برچسب‌های زمانی updated_at در بازه 2022-05-29 تا 2022-08-21T11:34:54Z قرار دارند؛ یعنی این جدول در همان عملیات ۲۲ اوت برداشته شده، نه در نوبتی جداگانه.

چرا تصویر جدول کارکنان در این گزارش منتشر نشده است

تصویر پوشه فروشنده (تصویر ۱) فقط نام و اندازه فایل را نشان می‌دهد و هیچ داده شخصی ندارد؛ به همین دلیل آمده است. تصویر جدول کارکنان اما هش رمز عبور، نشانی کامل ایمیل و نام کارکنان را نشان می‌دهد و منتشر نشده، حتی با پوشاندن، چون جمعیت آن ۱۴۲ نفر است و شناسایی مجدد در چنین جمعیت کوچکی بسیار آسان است.

§۷ خط زمانی و لحظه استخراج

برای تعیین زمان دقیق سرقت نمی‌توان به ادعای فروشنده تکیه کرد، چون صرفاً یک ادعای تبلیغاتی و غیرقابل اعتماد است. تنها منبع قابل اعتماد، برچسب‌های زمانی ثبت‌شده در خود داده‌هاست: جدیدترین برچسبی که در کل مجموعه پیدا شود، نشان می‌دهد سرقت دست‌کم از همان تاریخ به بعد رخ داده است، یعنی یک حد پایین برای زمان سرقت از آن به دست می‌آید.

2018-104
2018-116
2018-1239
2019-0150
2019-0244
2019-0353
2019-04165
2019-05576
2019-06747
2019-071159
2019-08818
2019-09656
2019-10678
2021-044
ثبت‌نام ماهانه در بخش ابتدایی جدول، اوج ۱٬۱۵۹ مورد در ژوئیه ۲۰۱۹

استخراج در 2022-08-22 13:36:41 UTC یا پس از آن رخ داده است اطمینان بالا

هیچ رکوردی را نمی‌توان پیش از آخرین تغییرش کپی کرد، پس جدیدترین برچسب زمانی در کل مجموعه، حد پایین تخلیه است. آن برچسب روی رکورد شبا است: 2022-08-22T13:36:41Z، حدود ۱۸:۰۶ به وقت تهران، پایان یک روز کاری.

۹۴ رکورد پایانی جدول هویت، همگی در بازه 2022-08-21T20:21 تا 2022-08-22T08:07 ساخته شده‌اند، کمتر از دوازده ساعت پیش از قطع. این تخلیه از یک بایگانی برداشته نشده؛ از یک جدول در حال کار، در همان روز، برداشته شده است.

رویدادهای هجده ساعت پایانی پیش از قطع داده 20:0000:0004:0012:00 آغاز ۹۴ رکورد پایانی آخرین پروفایل ساخته‌شده حد پایین استخراج · ۱۳:۳۶
محور زمان به UTC، از 2022-08-21 20:00 تا 2022-08-22 14:00

دو رویداد داخلی قابل تطبیق با سوابق تغییرات زمینه

۲۵ آوریل ۲۰۲۱: ۲٬۴۳۶ رکورد (۴۸٫۷٪ بخش ابتدایی) تاریخ به‌روزرسانی کاملاً یکسان دارند، در حالی که در کل ۶۲۹ روز به‌روزرسانی متمایز وجود دارد. بازنویسی نیمی از یک جدول در یک روز، نشانه مهاجرت ساختار یا پرکردن انبوه داده است، نه فعالیت کاربران.

دی–بهمن ۱۴۰۰ (ژانویه–فوریه ۲۰۲۲): بازسازی بزرگ‌تر سکو، سه شاهد مستقل به این بازه اشاره می‌کنند: نخستین نشانی سند با الگوی UUID در 2022-01-23، ساخته‌شدن رکورد ادمین شماره ۱ در 2022-02-06، و پیشوند newWallex_ در نام فایل‌ها. ساختار شناسه‌ها در §۸ نیز از همین‌جا تغییر می‌کند.

هر دو رویداد باید با سوابق داخلی تغییرات (لاگ مهاجرت یا بازسازی) مطابقت داده شوند تا مشخص شود عملیاتی برنامه‌ریزی‌شده و مجاز بوده‌اند، نه نشانه‌ای غیرعادی.

§۸ معماری شناسه‌ها

فروشنده می‌گوید مجموعه ۷۴۸٬۰۴۸ رکورد دارد. اما شمردن تعداد واقعی رکوردهای جدول هویت فقط با تکیه بر بیشینه کلید اصلی (id) ممکن نیست؛ ساختار خودِ شناسه‌ها نشان می‌دهد چرا.

شناسه‌ها در دو نسل ساخته شده‌اند؛ نسل دوم با گام ۳ یافته ساختاری

در بخش ابتدایی، شناسه‌ها (id) از ۱۱ تا ۵٬۰۵۸ با فاصله ۱ به ۱ پیش می‌روند و تقریباً هیچ شماره‌ای از قلم نیفتاده (چگالی ۹۹٪). اما در بخش انتهایی، شناسه‌ها از 2,000,588,264 تا 2,000,588,543 می‌روند و فاصله هر دو شناسه پیاپی، بدون هیچ استثنایی، دقیقاً ۳ است.

فاصله ثابت ۳ در شماره‌گذاری یک جدول، نشانه شناخته‌شده‌ای دارد: وقتی یک پایگاه داده برای بالابردن قابلیت اطمینان، روی چند سرور به‌طور هم‌زمان اجرا می‌شود، معمولاً هر سرور فقط شناسه‌هایی با فاصله مشخص می‌سازد تا دو سرور هرگز یک شماره تکراری تولید نکنند؛ مثلاً در یک خوشه سه‌سروره، سرور اول شناسه‌های ۱، ۴، ۷ و... را می‌سازد، سرور دوم ۲، ۵، ۸ و... را، و سرور سوم ۳، ۶، ۹ و... را. فاصله دقیقاً سه‌تایی و بدون استثنا در این داده، امضای همین الگو در یک خوشه سه‌سروره است. از طرفی، اینکه همه شناسه‌های بخش انتهایی روی یک باقی‌مانده ثابت می‌افتند (یعنی تقسیم همه آن‌ها بر ۳ یک نتیجه یکسان می‌دهد) نشان می‌دهد در آن بازه، همه نوشتن‌ها فقط روی یکی از این سه سرور انجام شده، نه هر سه.

نکته دیگر: در هر ۹۴ رکورد بخش انتهایی، فاصله بین user_id و id همیشه دقیقاً ۱۲٬۰۴۸ واحد است، یک عدد ثابت و بدون تغییر. این یعنی در دوره تازه، به ازای هر کاربر دقیقاً یک پروفایل ساخته شده است. این با دوره قدیم فرق دارد: آنجا user_id تا ۱۲٬۴۹۷ می‌رسید، در حالی‌که فقط ۴٬۹۹۹ پروفایل واقعی وجود داشت؛ یعنی حدود ۶۰٪ از حساب‌های قدیمی، اصلاً پروفایلی نساخته بودند.

دو نسل شناسه در جدول هویت: نسل نخست با گام ۱ و نسل دوم با گام ۳ نسل نخست · مهر ۱۳۹۷ تا دی ۱۴۰۰ id 11 5,058 step +1 بازسازی سکو نسل دوم · بهمن ۱۴۰۰ تا شهریور ۱۴۰۱ 2,000,000,000 2,000,588,543 step +3
تصویر ۲، دو نسل شناسه. کلید اصلی در بازسازی سکو از نو آغاز می‌شود و گام آن از ۱ به ۳ تغییر می‌کند. نتیجه: بیشینه id دیگر شمارنده سطر نیست.

راه دوم برای شمارش: اندازه فایل

وقتی نمی‌توان از روی شناسه شمرد، یک راه دیگر هست: تقسیم اندازه فایل بر میانگین اندازه هر رکورد. اما پیش از اعتماد به این روش، باید آن را روی نمونه‌ای با پاسخ از پیش معلوم آزمود. این آزمون روی دو فایل دیگر (فایل حساب‌های کارکنان و فایل شماره کارت‌ها) انجام شد و در هر دو، خطای روش کمتر از یک درصد بود.

اندازه فایل جدول هویت، عدد ۷۴۸٬۰۴۸ را تایید نمی‌کند بازنگری

فایل جدول هویت ۱٫۱۶ گیگابایت است. میانگین اندازه هر رکورد را از خود داده داریم: ۱٬۹۳۴ بایت در بخش ابتدایی و ۲٬۲۸۸ بایت در بخش انتهایی (رکوردهای تازه‌تر بزرگ‌ترند، چون فیلد settings آن‌ها اطلاعات بیشتری دارد). با این اعداد، تعداد واقعی رکوردها در بازه ۵۰۷ تا ۶۴۴ هزار قرار می‌گیرد.

عدد اعلامی فروشنده، ۷۴۸٬۰۴۸، حدود ۱۶٪ تا ۴۷٪ بالاتر از این بازه است.

فهرست ایمیلی که فروشنده بعدتر فرستاد، یک حد پایین مستقل دیگر هم نشان می‌دهد: جدول هویت دست‌کم ۵۴۵٬۳۱۸ رکورد دارد، عددی که در نیمه بالایی همین بازه قرار می‌گیرد (§۹).

محتمل‌ترین توضیح برای این اختلاف

۷۴۸٬۰۴۸ لزوماً دروغ نیست؛ به‌احتمال زیاد شمارش جدول دیگری است. فایل جدا user_status.json حجمی برابر ۲۸۲٫۲ مگابایت دارد؛ اگر همین ۷۴۸٬۰۴۸ سطر را داشته باشد، هر سطر حدود ۳۷۷ بایت می‌شود، اندازه‌ای کاملاً معمول برای یک جدول وضعیت حساب.

این توضیح با یافته دیگری هم همخوانی دارد: پیش‌تر در همین بخش دیدیم که در دوره قدیم، حدود ۶۰٪ حساب‌ها هرگز پروفایل نساخته بودند. پس به‌احتمال زیاد، ۷۴۸٬۰۴۸ شمار «حساب‌های ثبت‌شده» است، و شمار واقعی «پرونده‌های هویتی کامل» چیزی میان ۵۰۰ تا ۶۵۰ هزار است. برای اطلاع‌رسانی به کاربران، عدد دوم ملاک درست‌تری است؛ برای برآورد گستردگی دسترسی فروشنده، عدد اول.

این یک استنباط است، نه یک شمارش دقیق. تنها والکس می‌تواند با یک شمارش مستقیم آن را قطعی کند.

§۹ فهرست ایمیل دریافتی

پس از نمونه‌های اول، فروشنده فهرست تازه‌ای هم فرستاد: فقط نشانی‌های ایمیل، بدون شناسه یا نام یا هر فیلد دیگر. با این حال، از ترتیب سطرها و چند الگوی داخلی آن، اطلاعات قابل‌توجهی به دست می‌آید.

مشخصات فایل
ویژگیمقدار
تعداد سطر545,318
نشانی یکتا545,236
فیلدهاemail
سطر خالی0
پایان فایلبریده‌شده؛ فایل بدون کروشه پایانی تمام می‌شود

ساختار این فایل با فایل‌های پروفایل فرق دارد: چند خط برای هر نشانی و فقط یک فیلد. یعنی فروشنده این فهرست را با یک اسکریپت از نسخه خودش ساخته و سپس بریده است، نه اینکه یک فایل اصلی را عیناً فرستاده باشد.

همان جدول، همان نمونه قطعی

۴٬۹۹۹ سطر نخست این فهرست، دقیقاً همان رکوردهای بخش ابتدایی‌اند، به همان ترتیب. ترتیب فهرست با شناسه جدول پروفایل می‌خواند، نه با شناسه کاربر؛ یعنی فهرست از همین جدول استخراج شده است.

یکی از این نشانی‌ها در داده خام یک فاصله اضافه در انتها دارد، و همین فاصله در فهرست تازه هم عیناً حفظ شده است. فهرستی که از نو ساخته شده یا از جای دیگری جمع شده باشد، چنین جزئیاتی را نگه نمی‌دارد.

خطاهای طبیعی هم فراوان است: ۷٬۷۱۹ نشانی روی شکل غلط تایپی دامنه‌های رایج مانند gmil.com و gamil.com و gmail.con، و ۳۴۴ نشانی با ساختار نامعتبر. کسی که داده می‌سازد چنین خطاهایی تولید نمی‌کند.

۵۴۵ هزار، حد پایین است نه شمار کل سنجش

این عدد را نباید شمار کاربران یا شمار رکوردهای پروفایل دانست. سه چیز از آن کم شده است:

  • رکوردهای بدون ایمیل. در فهرست حتی یک سطر خالی نیست، در حالی که ۹۰ رکورد از ۹۴ رکورد بخش انتهایی ایمیل ندارند. پس رکوردهای بدون ایمیل از پیش کنار گذاشته شده‌اند.
  • انتهای جدول. فایل بریده شده و ایمیل‌های بخش انتهایی در آن نیست.
  • رکوردهای حذف‌شده، به گفته خود فروشنده.

بنابراین جدول هویت دست‌کم ۵۴۵٬۳۱۸ رکورد دارد. این حد پایین در نیمه بالایی برآورد مستقل §۸ قرار می‌گیرد و با آن همخوانی دارد، اما عدد ۷۴۸٬۰۴۸ را تایید نمی‌کند.

ایمیل‌های بخش انتهایی در فهرست نیستند بررسی‌شده

چهار رکورد از ۹۴ رکورد بخش انتهایی ایمیل دارند. این چهار رکورد در ساعات پایانی پیش از قطع ساخته شده‌اند و هیچ‌یک در فهرست نیست. دو توضیح ساده را می‌توان در نظر گرفت: اینکه بخش انتهایی از جای دیگری آمده باشد، یا اینکه حذف این چهار نشانی کاملاً تصادفی بوده باشد. اما هیچ‌کدام با شواهد نمی‌خواند: بخش انتهایی هر ۲۶ فیلد را با همان ترتیب بخش ابتدایی دارد، پس از جای دیگری نیامده؛ و در ۴٬۹۹۹ رکورد بخش ابتدایی حتی یک نشانی هم حذف نشده، پس احتمال حذف تصادفی هر چهار نشانی کمتر از یک در هفت تریلیون است.

محتمل‌ترین توضیح این است که فهرست پیش از رسیدن به انتهای جدول تمام می‌شود: یا فایل بریده شده (که نبود کروشه پایانی همین را نشان می‌دهد)، یا فهرست از نسخه‌ای قدیمی‌تر گرفته شده که این رکوردها هنوز در آن نبودند. حذف عمدی همین رکوردهای تازه هم ممکن است، اما دلیلی برایش دیده نمی‌شود. تفکیک این حالت‌ها فقط با جدول خود والکس ممکن است: کافی است آخرین نشانی فهرست را در جدول خودشان پیدا کنند تا محل دقیق پایان فهرست روشن شود.

«به درخواست خریداران»، یعنی داده دیگر فقط دست فروشنده نیست تحول مهم

این جمله از خود فهرست مهم‌تر است. فروشنده پیش‌تر گفته بود «داده را فقط من دارم (فعلاً)». اما حالا می‌گوید برخی نشانی‌ها را «به درخواست خریداران» از فهرست حذف کرده است. اگر درست باشد، یعنی داده، یا دست‌کم بخشی از آن، فروخته یا به اشتراک گذاشته شده است.

این هم ادعای خود فروشنده است و قابل راستی‌آزمایی نیست؛ ممکن است فقط یک ترفند فروش باشد. اما فرض محتاطانه این است که ادعا درست است و داده دیگر فقط در دست یک نفر نیست.

اینکه کدام رکوردها حذف شده‌اند، از سمت ما قابل تشخیص نیست، چون فهرست شناسه ندارد. اما چون ترتیب فهرست با ترتیب شناسه جدول یکی است، والکس با مقایسه فهرست با جدول خودش می‌تواند دقیقاً همین رکوردها را پیدا کند. این گروه باید در اولویت نخست اطلاع‌رسانی باشد: خریداری بدون دلیل، رکوردهای تصادفی را حذف نمی‌کند؛ این کاربران به‌طور خاص برای کسی اهمیت داشته‌اند.

فهرست از دو بخش با ویژگی‌های متفاوت تشکیل شده است ساختاری

حدود نیمه فهرست (ردیف ۲۷۰٬۸۵۰)، سهم نشانی‌های غلط تایپی یا نامعتبر ناگهان از ۰٫۰۹٪ به ۳٫۴۴٪ می‌رسد، حدود ۳۹ برابر.

نشانی‌های مشکل‌دار پیش و پس از نقطه تغییر
بخش فهرستسطرمشکل‌دارسهم
پیش از ردیف ۲۷۰٬۸۵۰270,8502390.09%
پس از ردیف ۲۷۰٬۸۵۰274,4689,4403.44%

تغییر دیگری هم هم‌زمان با همین نقطه دیده می‌شود: نشانی‌هایی که سال ۱۴۰۰ یا ۲۰۲۱ در خودشان دارند، در نیمه اول فهرست رفته‌رفته بیشتر می‌شوند، بعد از نقطه تغییر به‌شدت کم می‌شوند، و در انتهای فهرست دوباره زیاد می‌شوند. یعنی نیمه دوم فهرست از نظر زمانی ادامه نیمه اول نیست؛ فهرست از دو بخش تشکیل شده که هر کدام ترتیب زمانی خودشان را دارند.

محتمل‌ترین توضیح این است که نیمه اول، پروفایل‌های دوره قدیم (پیش از بازسازی سکو، §۷) با ایمیل تاییدشده هستند، و نیمه دوم، رکوردهای نسل دوم شناسه‌ها (§۸) که ایمیلشان هنگام ثبت‌نام تایید نشده است. این فقط یک فرضیه است؛ والکس با بررسی محل آغاز شناسه‌های نسل دوم در فهرست می‌تواند آن را تایید یا رد کند.

چند حساب داخلی در جدول مشتریان زمینه

۵۲۹ نشانی با الگوی saraf-<زمان>-<عدد تصادفی>@wallex.ir در فهرست دیده می‌شود که خودِ سامانه آن‌ها را ساخته، نه یک کاربر واقعی. این حساب‌ها در دو نوبت ساخته شده‌اند: ۵۳ حساب در مرداد ۱۳۹۹ و ۴۷۶ حساب در تیر و مرداد ۱۴۰۰، زمانی نزدیک به بازسازی بزرگ سکو.

سه نشانی با الگوی [email protected] هم در فهرست است: حساب‌هایی که برای آزمون نفوذ (یعنی بررسی امنیتی کنترل‌شده‌ای که تیمی مجاز انجام می‌دهد) ساخته شده‌اند و در جدول اصلی باقی مانده‌اند. چنین حساب‌هایی گاهی رمز ساده یا دسترسی ویژه دارند و باید بررسی و غیرفعال شوند.

در مجموع حدود ۵۷۰ نشانی با دامنه‌های داخلی والکس در فهرست است. این نشانی‌ها مشتری نیستند و باید از شمار کاربران متاثر کنار گذاشته شوند.

نشانی‌های با دامنه غلط تایپی، خطری جدا از خود نشت اطلاع‌رسانی

۷٬۷۱۹ نشانی روی دامنه‌هایی است که شکل غلط تایپی دامنه‌های رایج‌اند، از جمله gmil.com با ۲٬۴۳۷ نشانی، gamil.com با ۱٬۷۲۶ نشانی، و gmail.con با ۱٬۱۸۲ نشانی.

اگر کسی این دامنه‌ها را ثبت کرده باشد یا بعدا ثبت کند، هر ایمیلی که والکس به این کاربران بفرستد، از جمله پیام بازیابی رمز عبور، به دست او می‌رسد. این خطر به خودِ نشت ربطی ندارد، اما در زمان اطلاع‌رسانی اهمیت پیدا می‌کند: برای این کاربران باید از پیامک یا پیام درون‌برنامه استفاده شود، نه ایمیل.

§۱۰ چه کسانی متأثر شده‌اند

سن در تاریخ استخراج، بخش ابتدایی، تنها تاریخ تولدهای معقول (n = 4,830)
رده سنیتعدادسهم
زیر ۱۸ سال10.0%
۱۸ تا ۲۴ سال3627.5%
۲۵ تا ۳۴ سال2,17245.0%
۳۵ تا ۴۴ سال1,76736.6%
۴۵ تا ۵۴ سال4008.3%
۵۵ سال به بالا1282.7%

میانه سنی ۳۴ سال؛ جمعیتی عمدتاً در سن کار، متمرکز در تهران، اصفهان، تبریز، مشهد و شیراز. جغرافیا به تهران متمایل است (۳۲٫۴٪)، کاربران اولیه یک صرافی بیش از کل جامعه کاربران در پایتخت متمرکزند، پس این نسبت را نباید به کل مجموعه تعمیم داد.

تاریخ تولد در بخشی از رکوردهای دوره قدیم، مقدار پیش‌فرض سیستم است، نه واقعی کیفیت داده

۱۶۴ رکورد بخش ابتدایی سال تولد غیرممکن دارند، ۱۴۴ مورد در سال ۲۰۱۹ (برابر با سال ثبت‌نام خودشان؛ و در ۱۱۳ رکورد تاریخ تولد دقیقاً برابر تاریخ ایجاد حساب است)، به‌علاوه مقادیر ناممکن تا سال ۲۶۴۱ که از خطای تبدیل تاریخ شمسی به میلادی می‌آید. تطابق دقیق تاریخ تولد با تاریخ ثبت‌نام، در ۱۱۳ رکورد جداگانه، نشانه یک مقدار پیش‌فرض خودکار سیستم است، نه ورودی دستی کاربر؛ کاربر واقعی به‌ندرت پیش می‌آید تاریخ تولدی بسازد که دقیقاً با روز ثبت‌نامش یکی باشد، چه رسد به تکرار همین الگو در ده‌ها رکورد جداگانه با همین دقت.

اگر این مقادیر را همان‌طور که هستند بپذیریم، تعداد ظاهری افراد زیر ۱۸ سال به ۱۶۵ می‌رسد. اما پس از کنارگذاشتن مقادیر پیش‌فرض، دقیقاً یک رکورد نشان‌دهنده فرد زیر سن قانونی است. برای هر ارزیابی درباره افشای داده کودکان، این اصلاح تعیین‌کننده است؛ عدد خام، اندازه واقعی موضوع را صدها برابر بزرگ‌تر نشان می‌دهد.

در ۶۰ تاریخ تولد بخش انتهایی، بازه 1972-12-24 تا 2004-02-24 است و حتی یک مقدار ناممکن دیده نمی‌شود: این باگ در بازسازی ۱۴۰۰ رفع شده و ویژگی دائمی داده نیست.

افشای واقعی در رده داده ویژه جای دیگری است: ۲۱ رکورد بخش ابتدایی دارای تصویر یا ویدئوی سلفی برای احراز هویت‌اند (۲۰ تصویر و ۱ ویدئو، همراه با فراداده)، و در بخش انتهایی نیز ۴ تصویر و ۱ ویدئو دیده می‌شود. این نوع داده زیست‌سنجی (تصویر چهره) برخلاف رمز عبور یا حتی شماره کارت، هرگز قابل تعویض یا صدور مجدد نیست؛ برای مقایسه، در بسیاری از چارچوب‌های حقوقی بین‌المللی مانند مقررات GDPR اتحادیه اروپا، این دسته از داده جزو حساس‌ترین رده‌های اطلاعات شخصی شناخته می‌شود و بالاترین سطح حفاظت برایش در نظر گرفته می‌شود.

نرخ وجود این تصاویر در بخش انتهایی (۵٫۳٪) بیش از ده برابر بخش ابتدایی (۰٫۴٪) است. به‌احتمال زیاد، الزام به احراز هویت تصویری (سلفی زنده) پس از ثبت‌نام گروه اولیه کاربران به فرایند ثبت‌نام اضافه شده است؛ پس نرخ واقعی وجود این داده در کل جدول هویت، به‌مراتب بیشتر از نرخ ۰٫۴ درصدی بخش ابتدایی است.

§۱۱ داده چگونه استخراج شده است

ساختار این مجموعه، شواهدی درباره مسیر دسترسی‌ای که آن را تولید کرده در خود دارد.

نشانه‌های دسترسی مستقیم به بک‌اند یا پایگاه داده

  • چهار ستون در ۱۰۰٪ رکوردها خالی‌اند، profession_id، avatar، verifier_id، verified_at. ستون‌های گردش‌کار داخلی خالی، با این حال صادر شده‌اند. این رفتار SELECT * است؛ یک API عمومی فیلدهایی را برمی‌گرداند که کارخواه لازم دارد، نه ستون همیشه‌خالی تخصیص کارمند را.
  • فیلدهای مخصوص کارکنان حاضرند، commission (رده کارمزد هر کاربر: ۲۵٫۰ برای ۹۶٫۴٪ کاربران و ۳۰ و ۳۵ و ۴۰ برای بقیه) و verifier_id که کارمند تأییدکننده پرونده احراز هویت را مشخص می‌کند. هیچ‌کدام در پاسخ سمت مشتری جایی ندارند.
  • ترتیب کلیدها در هر ۵٬۰۹۳ رکورد یکسان و غیرالفبایی است. این همان ترتیب دلخواهی است که یک ORM یا درایور هنگام سریال‌سازی سطر تولید می‌کند، یک عبور برنامه‌ای، یک جدول مبدأ.
  • کلید اصلی یک بلوک پیوسته است. در بخش ابتدایی، id از ۱۱ تا ۵٬۰۵۸ می‌رود و تنها ۴۹ مقدار جا افتاده (۹۹٫۰٪ چگالی)؛ در بخش انتهایی، ۹۴ رکورد پیاپی بدون یک پرش اضافی. پیمایش یک API با محدودیت نرخ، شکاف و تکرار و تلاش مجدد تولید می‌کند؛ بازه چگال کلید اصلی چیزی است که از یک پرس‌وجوی بدون صفحه‌بندی روی خود جدول به دست می‌آید.
  • نشانی‌های ذخیره‌شده به admin-api.wallex.ir ارجاع می‌دهند، یک میزبان مدیریتی.
  • شانزده فایل از جدول‌های پراکنده، همگی با برچسب زمانی یک روز. جدول هویت، جدول کارکنان، جدول‌های بانکی و مصنوعات انطباق، این‌ها نقاط پایانی مختلفی ندارند که بتوان یکی‌یکی پیمایششان کرد؛ در یک پایگاه داده کنار هم می‌نشینند.

سازگار با دسترسی داخلی احراز هویت‌شده، اما تفکیک «کارمند» از «سرقت اطلاعات ورود» از روی فایل‌ها ممکن نیست با دقت بخوانید

نشانه‌های بالا پیمایش بیرونی، پرکردن اطلاعات ورود و سوءاستفاده از API را کنار می‌گذارند. داده از دسترسی ممتاز به بک‌اند آمده است.

اما این اثبات نمی‌کند که یک کارمند مرتکب شده باشد. یک کارمند خاطی، یک مهاجم بیرونی با اطلاعات ورود مدیریتی دزدیده‌شده، یک سرور برنامه در معرض نفوذ، و یک پشتیبان پایگاه داده افشاشده، همگی مصنوعی بایت‌به‌بایت یکسان تولید می‌کنند. فایل نمی‌تواند این‌ها را از هم جدا کند و هر گزارشی که تنها بر پایه این شواهد ادعای بیشتری کند، فراتر از داده سخن گفته است.

تفکیک آن‌ها نیازمند شواهدی است که تنها در اختیار والکس است: گزارش‌های ممیزی و تاریخچه پرس‌وجوی پایگاه داده حول 2022-08-22، سوابق نشست VPN و بستیون (سرور واسط دسترسی امن)، گزارش دسترسی پنل مدیریت، پایش ترافیک خروجی، و زمینه منابع انسانی درباره خروج کارکنان نزدیک به آن تاریخ.

چرا بخش ابتدایی یک «نمونه اثبات» است

آن ۴٬۹۹۹ رکورد، اولین ۵٬۰۴۸ شناسه جدول هستند، قدیمی‌ترین گروه کاربران، برداشته‌شده به‌صورت یک بلوک پیوسته از ابتدای جدول؛ و ۹۴ رکورد دیگر، آخرین سطرهای همان جدول. این شکل کلاسیک نمونه‌ای است که فروشنده منتشر می‌کند تا در اختیار داشتن کل پایگاه داده را نشان دهد بی‌آنکه آن را بدهد. هیچ‌کدام برداشت تصادفی نیستند، و این بر همه آمار این گزارش اثر می‌گذارد (§۵).

§۱۲ توصیه‌ها

تلاش برای اطلاع‌رسانی به والکس

پیش از انتشار این گزارش، یافته‌ها را به‌طور کامل با والکس در میان گذاشتیم. شرح کامل این مکاتبات را در ابتدای همین گزارش آورده‌ایم.

اقدام فوری، ساعت‌ها، نه روزها

  1. تأیید یا رد کنید که نشانی اسناد هنوز بدون احراز هویت پاسخ می‌دهد. اگر پاسخ می‌دهد، هر دو نسل توکن باید باطل شوند، هم توکن‌های ۳۰ نویسه‌ای دوره قدیم و هم UUIDهای پس از بازسازی ۱۴۰۰، و جای آن‌ها نشانی‌های امضاشده، دارای انقضا و مقید به نشست بنشیند. کهنه‌بودن یک الگو به معنای غیرفعال بودن آن نیست.
  2. هر رمز عبور کارمندی را که از اوت ۲۰۲۲ عوض نشده باطل کنید و احراز هویت دومرحله‌ای را روی هر ۱۴۲ حساب، فعال و غیرفعال، در هر سه دامنه، اجباری کنید. حساب‌های با two_step_verification = 0 اولویت مطلق دارند. ضریب bcrypt را از ۱۰ بالا ببرید یا به Argon2id مهاجرت کنید.
  3. حساب‌های کارکنان جداشده را در برابر جدول اوت ۲۰۲۲ مقابله کنید. هر حسابی که در آن فایل هست و امروز هم فعال است، یک یافته مستقل است.
  4. گزارش‌های ممیزی بازه 2022-08-22 08:08Z تا 13:37Z را استخراج کنید. این بازه با دقت ساعت مشخص است و باید حجم بزرگی از خواندن روی دست‌کم شانزده جدول در آن دیده شود.
  5. کاربران دارای شماره کارت یا شبای ثبت‌شده پیش از شهریور ۱۴۰۱ را مشخص کنید و در هماهنگی با شبکه بانکی، پایش تقلب روی آن کارت‌ها را فعال کنید. شماره کارت، برخلاف کد ملی، قابل تعویض است؛ این تنها بخشی از افشاست که هنوز می‌توان جبرانش کرد.

اقدام کوتاه‌مدت

  1. عدد واقعی را با شمارش مستقیم تعیین کنید. SELECT COUNT(*) روی جدول پروفایل و جدول حساب‌ها، و مقایسه آن با بازه ۵۰۷ تا ۶۴۴ هزار (§۸). اطلاع‌رسانی نباید تنها بر پایه ادعای یک فروشنده انجام شود.
  2. دو رویداد 2021-04-25 و بازسازی دی–بهمن ۱۴۰۰ را با سوابق داخلی تغییرات مطابقت دهید تا مشخص شود عملیاتی برنامه‌ریزی‌شده و مجاز بوده‌اند، نه نشانه‌ای غیرعادی (§۷).
  3. فهرست سیاه انطباق را از نو بسازید و فهرست سفید برداشت را بازتأیید کنید، با این فرض که نسخه اوت ۲۰۲۲ هر دو در دست غیر است.
  4. کاربران پرموجودی را در اولویت اطلاع‌رسانی قرار دهید. فایل‌های valuable_addresses نشان می‌دهند این گروه از پیش جدا شده‌اند (§۴) و نخستین هدف هر سوءاستفاده‌ای خواهند بود.
  5. رکوردهایی را که از فهرست ایمیل حذف شده‌اند پیدا کنید و پیش از همه به آن‌ها اطلاع دهید. ترتیب فهرست همان ترتیب شناسه جدول پروفایل است؛ مقایسه آن با جدول هم محل پایان فهرست را نشان می‌دهد و هم رکوردهای حذف‌شده را (§۹). برای این مقایسه نیازی به جابه‌جایی خود نشانی‌ها نیست: کافی است هش نشانی‌ها (شکل رمزگذاری‌شده و برگشت‌ناپذیر آن‌ها)، پس از حذف فاصله و یکسان‌سازی حروف، با هش نشانی‌های جدول خودتان مقایسه شود.
  6. حساب‌های آزمون نفوذ را از محیط اصلی حذف کنید و حساب‌های داخلی ساخته‌شده توسط سامانه را بازبینی کنید (§۹).
  7. برای نشانی‌های دارای دامنه غلط تایپی، به‌جای ایمیل از پیامک یا پیام درون‌برنامه استفاده کنید و ارسال پیام بازیابی رمز عبور به این دامنه‌ها را متوقف کنید (§۹).
  8. به کاربران متأثر و مرجع نظارتی اطلاع دهید. داده هویتی غیرقابل‌ابطال به‌همراه اسکن مدارک و داده بانکی، بنا بر تعریف هر نظام حقوقی، یک نشت پرخطر است.

اقدام ساختاری

  • رمزگذاری تصاویر اسناد در حالت سکون با کلید مجزا برای هر شیء.
  • توقف بازگرداندن سطرهای کامل احراز هویت در پرس‌وجوهای مدیریتی.
  • افزودن آستانه تعداد سطر و هشدار برای خواندن انبوه، و اعمال کم‌ترین سطح دسترسی روی جدول‌های هویت و بانکی.
  • مسیر دسترسی را ببندید، نه فقط نشت رخ‌داده را. سازوکاری که به یک حساب اجازه داده شانزده جدول را در یک روز بخواند، اگر تغییر نکرده باشد هنوز همان اجازه را می‌دهد. فرد داخلی‌ای که دسترسی مشروع دارد با پایش و محدودیت حجم مهار می‌شود، نه با کنترل‌های پیرامونی.

برای افراد متأثر

  • اگر پیش از شهریور ۱۴۰۱ در والکس شماره کارت یا شبا ثبت کرده‌اید، آن کارت را تعویض کنید. شماره کارت شما به‌صورت کامل و بدون پوشش در این مجموعه است.
  • هر تماسی که به حساب والکس، کد ملی یا مدرک هویتی شما اشاره کند احتمالاً کلاهبردارانه است، این مجموعه امکان فیشینگ هدفمند و بسیار باورپذیر را فراهم می‌کند. تماسی که هم‌زمان نام، کد ملی و چهار رقم آخر کارت بانکی شما را بداند نیز همچنان می‌تواند کلاهبرداری باشد؛ دانستن این اقلام دیگر نشانه اصالت تماس‌گیرنده نیست.
  • هیچ بانک یا صرافی‌ای رمز پویا، رمز دوم یا CVV2 را تلفنی نمی‌پرسد، حتی وقتی بقیه اطلاعات شما را درست می‌گوید.
  • احراز هویت دومرحله‌ای مبتنی بر اپلیکیشن (نه پیامک) را همه‌جا فعال کنید؛ امنیتش به‌طور کلی از پیامک بیشتر است.
  • فرض را بر این بگذارید که کد ملی و تصویر کارت ملی شما برای همیشه افشا شده است.

§۱۳ آنچه شواهد نشان نمی‌دهند

اعتبار یک گزارش نشت، به اندازه یافته‌هایش به صراحت محدودیت‌هایش وابسته است.

  • تعداد دقیق رکوردها. بازه ۵۰۷ تا ۶۴۴ هزار از اندازه یک فایل به دست آمده که در یک تصویر دیده شده و خودش هم گرد شده است؛ این یک برآورد است، نه یک شمارش دقیق.
  • محتوای یازده فایلی که نمونه‌ای از آن‌ها ندیده‌ایم. برای valuable_addresses، user_status، trade_new_balances و بقیه، فقط نام و اندازه داریم. تفسیر محتوا در §۴ استنباط از نام است و باید چنین خوانده شود.
  • کامل بودن فهرست فایل‌ها. پنجره مدیر فایل در لبه پایین صفحه بریده می‌شود؛ ممکن است فایل‌های دیگری زیر خط برش باشند.
  • اینکه داده به چه کسانی فروخته شده است. فروشنده نخست گفت «داده را فقط من دارم (فعلاً)» و بعدتر از حذف برخی نشانی‌ها «به درخواست خریداران» گفت (§۹). هیچ‌یک قابل راستی‌آزمایی نیست، اما جهت ادعا تغییر کرده و فرض محتاطانه این است که داده فروخته شده است.
  • محل دقیق پایان فهرست ایمیل و دلیل نبود ایمیل‌های بخش انتهایی در آن. بریده‌شدن فایل، برداشت از نسخه‌ای قدیمی‌تر، یا حذف عمدی؛ تفکیک این حالت‌ها تنها با جدول خود والکس ممکن است (§۹).
  • دلیل دوبخشی بودن فهرست ایمیل. توضیح §۹ بر پایه دو نسل شناسه، یک فرضیه است و آزموده نشده است.
  • وضعیت فعلی نشانی اسناد. آزمایش نشده و نباید توسط ما یا دیگری آزمایش شود.
  • صحت ادعای رخداد اعلام‌نشده. تنها با سوابق خود والکس یا مرجع نظارتی قابل بررسی است.
  • هویت واقعی فروشنده. جزئیات مرتبط با این موضوع عمداً از این گزارش عمومی حذف شده و به نهاد صلاحیت‌دار سپرده شده است؛ انتساب نام به یک فرد کار مرجع قضایی است، نه این گزارش.
  • اینکه عامل کارمند بوده یا نه. فرضیه محتمل‌تر، فرضیه اثبات‌شده نیست (§۱۱).

تحلیل روی ۵٬۰۹۳ رکورد پروفایل، فهرستی از ۵۴۵٬۳۱۸ نشانی ایمیل، یک رکورد کارمندی، دو رکورد بانکی و دو تصویر انجام شد. هیچ زیرساخت زنده‌ای فراخوانی نشد، هیچ نشانی مدرک هویتی گشوده نشد، و هیچ اطلاعات ورود، شماره کارت، شماره شبا، نشانی ایمیل کارمندی یا نام شخصی در متن نوشته نشد. یافته‌ها توصیف‌کننده نمونه‌هایند؛ برآوردها و تعمیم‌ها صریحاً برچسب خورده‌اند و آنچه شواهد نشان نمی‌دهند در §۱۳ فهرست شده است.