中国87亿条、国外240亿条信息泄露,业内人士称:泄露数十亿记录正成常态
走狗是狗哥
走狗是狗哥
安在
2026年6月26日 19:02
上海
在小说阅读器读本章
去阅读
[导读]
近期网络安全研究团队曝光一起特大数据泄露事故,一家威胁情报企业因服务器迁移配置失误,致使存储 240 亿条、超 8.3TB 数据的检索集群全网公开。这批数据以窃密木马盗取的明文账号密码为主,源自 36 类非法渠道,涵盖勒索黑产电报群、历次泄露数据合集等。文中拆解数据构成、泄露成因,同步对比国内 87 亿条海量泄露案例,梳理近年同类特大泄露趋势,并面向普通用户给出账号防护实操办法,揭示海量用户数据裸奔、大规模凭证泄露已成行业常态化风险。
近日,Cybernews研究团队发现了一个公开暴露的数据库,内含240亿条记录,涵盖用户名、邮箱地址、明文密码以及登录网址。
数据来源复杂,主要包括窃密木马日志、受感染设备窃取的信息、Telegram渠道收集的内容、历次数据泄露汇编等。
核心发现要点:
▶研究人员找到的是一个未做防护的Elasticsearch集群,总计包含240亿条记录,数据量超过8.3TB。
▶绝大多数记录属于窃密木马日志,内容为用户名、邮箱、密码和对应的登录地址。
▶全部数据来自36个不同源头,包括Telegram频道、历史泄露汇编、大型数据合集。
▶研究人员暂无法确认其中有多少重复记录,也无法统计受影响的独特用户数量。
▶目前该数据库已关闭公开访问,但用户如果复用密码,账号依然存在被盗风险。
百万级数据泄露如今已屡见不鲜,但一次性泄露240亿条账号密码记录,依然远超常规水平。
也正因如此,研究团队在发现这8TB多的公开数据后,反复核验了三次才确认结果。
团队在6月12日发现了这批数据,它大概率是有史以来公开暴露的最大规模数据库之一。
其中绝大多数记录都是窃密木马日志,也就是被盗取的账号密码,以及这些凭证可登录的对应服务。
研究团队表示,这次凭证泄露的危险性,首先来自它极其庞大的体量。数据公开流出后,数十亿个账号都面临被接管的严重风险,没有开启多因素认证的账号尤其危险。
报道发布后,团队确认了数据集的归属:它属于一家威胁情报与泄露监测平台,用途是识别可能影响客户的安全风险。
数据暴露的原因,是平台在临时迁移过程中出现了配置错误。
泄露数据的具体构成
所有记录都存储在一个公开可访问的Elasticsearch集群上,也就是一组互联的搜索服务器,总数据量超过8.3TB。
几乎所有暴露的记录都是窃密木马日志,也就是恶意软件窃取的敏感信息。日志里的登录凭证都是原始格式,每条信息单独保存,包括邮箱地址、用户名和明文密码。
除此之外,记录里还包含这些凭证可登录的网址,以及日志的来源渠道。
这批泄露的凭证来自36个不同源头,范围很广:既有Telegram频道,也有历次数据泄露的整合合集,还有从目标服务器直接导出的数据集。
涉及的Telegram数据泄露渠道
其中约17亿条记录来自各类Telegram频道。
这些频道基本都和网络犯罪相关,核心内容就是分享被盗凭证和数据泄露资源。
36个数据来源里,有30多个都是Telegram频道,单频道的记录量从几千条到数亿条不等。
频道大多使用英文,也有一部分是俄语频道。
为避免变相推广这些非法渠道,报道没有公布具体频道名称。然而,大多数基于Telegram的记录据称是从与黑客相关频道获取的。
除了账号凭证类频道,还有一类Telegram频道分享被盗的信用卡数据,其中有一个频道专门做这类内容。
值得注意的是,近2.6亿条记录来自名称带有“Darkside”的频道。
Darkside曾是全球最猖獗的勒索软件团伙之一,因攻击科洛尼尔管道运输公司、导致美国东海岸燃油供应中断而臭名昭著。
占比最高的“数据合集”
高达226亿条记录,被数据所有者归类为“合集”。
这些记录可能来自此前网上公开流出的各类窃密数据汇编,也可能是按照可非法访问的服务类型,整理分类后的凭证集合。
由于数据库很快就被关停,研究人员没有时间进一步追查这些“合集”数据的具体来源。
同样受时间限制,团队也没法精准判断这批数据涉及哪些服务提供商。但考虑到记录体量极其庞大,基本可以确定覆盖了大量用户基数极高的互联网服务。
研究人员还发现了一个标注为“本地数据库转储”的来源,包含1.5亿条记录。这类数据通常是从正在运行的目标服务器上直接导出的。
这部分数据有可能是服务器运营者自行上传到合集中的,也有可能是从其他渠道流转而来。
记录里还附带了数据导入时的源文件名,总计至少有195个不同的文件。
部分文件名显示,相关凭证来自AntiPublic合集,还标注了对应的账号类型。
AntiPublic是2016年首次出现的窃密日志合集,最初包含约6亿条记录。这次泄露里的相关数据,对合集做了进一步分类,比如单独整理成人内容服务、流媒体平台的登录账号。
另有1.46亿条记录来自“泄露汇编合集”来源,内容基本都是历次数据泄露流出的用户凭证。
攻击者非常喜欢利用历史泄露数据,因为用户普遍习惯复用密码,也很少主动修改。
所有来源里记录量最少的是“Redline窃密木马”,只有27条记录。
Redline是一款非常常见的窃密木马,以“恶意软件即服务”的模式运营,技术门槛很低的攻击者也能用来作案。
数据所有者的特殊痕迹
有意思的是,研究人员还发现了一小部分特殊记录,大约1.7万条,这类内容在普通数据泄露中非常少见。
其中有9500多份文档,包含通用漏洞披露(CVE)的编号、漏洞描述,以及对应的GitHub仓库链接,比如其中就包含ValhallGPU内核驱动的相关漏洞。
还有5200多份文档,是数据泄露相关的新闻报道日志,附带文章链接、正文内容和简短摘要。
最新的一篇报道发布于2026年2月,内容是针对Python包索引(PyPI)仓库的供应链攻击事件。
剩下2900条记录,是网络安全事件相关的社交媒体帖子,其中一条讨论了2021年Babuk勒索软件的运营细节。
所有这些信息都说明,数据所有者一直在持续跟踪全球网络安全动态,目的应该是不断把最新的泄露数据补充到自己的凭证库中。
仍未明确的信息
尽管可以确认泄露规模达到240亿条,但关于这个已经关停的Elasticsearch集群,还有很多信息无法核实。
首先是调查时间有限,研究团队没法深入分析“合集”分类下的具体数据类型。
其次是无法准确估算数据的重复率,因此受影响的独特用户数量没法给出精确数字。但可以确定,这么大体量的泄露,必然波及海量网络账号。
另外也没法精准判断数据的新旧程度。不过从里面包含2026年2月的新闻来看,数据所有者一直在定期更新集群内容。
报道发布初期,研究人员并不清楚数据所有者身份,后续才确认是一家威胁情报公司。
研究人员表示,企业收集这类数据,可以用来做泄露监测服务或者安全检测服务;而攻击者收集这类数据,则是为了寻找新的攻击切入点,辅助实施数据窃取。
团队认为,对于历史泄露数据来说,积累的体量越大价值越高。数据越全,分析结果就越精准,既能发现更多已泄露的账号,也能梳理出目标对象的潜在攻击路径。
普通用户的防护建议
想要保障个人账号安全,主动防范至关重要,几个简单操作就能大幅降低风险。
用户应尽快修改所有复用的密码,优先更换邮箱、社交媒体、云存储、网银等核心账号的密码。
尽可能开启多因素认证,使用密码管理器生成高强度的独立密码。
同时要警惕钓鱼信息,有些不法分子会打着“帮你查询是否泄露”的幌子,骗取用户的账号信息。
几个日常习惯,能有效防范窃密木马,大幅降低账号被盗的概率:
*▶*使用公共Wi-Fi时连接VPN,保障连接安全;**
*▶*不要随意点击陌生邮件、消息里的链接,不要下载可疑附件;**
*▶*及时更新设备的系统和应用,安全补丁通常会修复关键漏洞;**
*▶*所有支**持的账号都开启双因素认证,多加一层防护;**
*▶*只从官方应用商店或可信网站下载软件,避免下载到带毒的篡改版本。**
十亿级泄露正成为常态
遗憾的是,数十亿条记录规模的数据库公开暴露事件,正变得越来越常见。
今年早些时候,研究团队就发现过另一个暴露的Elasticsearch集群,包含160多个索引、87亿条以中文为主的记录,涵盖公民身份证号、各类商业数据等。
去年12月,团队发现过一个43亿条记录的数据库,部分数据来自领英,总量达16TB,包含邮箱、照片、工作经历等个人信息。仅其中一个合集就有7.32亿条带照片的记录。
2025年7月,Cybernews研究人员曾发现史上最大规模数据泄露之一:多组登录凭证合集总计160亿条记录,共30个公开数据集,单组记录量从数千万到35亿不等。
而能和这次240亿条规模相比的,是2024年发现的一次超大规模泄露。那次泄露整合了多次历史泄露数据,总量达12TB,包含超过260亿条记录。
原文链接:https://cybernews.com/security/24-billion-credentials-data-leak/
安在企业(用户)会员服务
助力全生命周期安全意识提升
“安在企业(用户)会员服务”,为所有企业提供一站式的网络安全支援服务,包括意识宣传、培训教育、效果检验、专业圈子、知识社区、专业培训、参选评奖等多个板块,助力网安从业者高效履职,实现个人与企业安全能力同步升级。
小投入大防护!安在推出企业(用户)会员服务,点击标题阅读详情。
深度贴合企业不同规模、安全水平投入以及员工安全意识的不同发展阶段,特设5级安全意识培训服务体系,为企业用户量身匹配适配的安全意识解决方案。
本文展示所有类型素材,均包含在企业(用户)会员服务中,如有意向,欢迎垂询。
加入诸子云知识星球
获取更多“安全意识资料”和“网络安全报告”
<
滑动查看下一张图片
>
**END**
点击这里阅读原文**
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。










评论