国外14亿泄露数据下载及还原

simeon

     2018年6月10日freebuf发布了篇文章《14亿邮箱泄露密码明文信息查询网站惊现网络》（链接地址：），声称其泄露的数据可以通过暗网网站（）进行查询，后续通过网络获取其泄露文件的下载地址，历经千辛万苦，终于将数据下载到本地，通过研究，将其txt文件进行还原处理，并对其进行无效数据处理，去除空密码等操作。

1.1.1数据下载及分析

1.数据下载地址

（1）二进制未压缩41G磁力下载链接地址

magnet:?xt=urn:btih:7ffbcd8cee06aba2ce6561688cf68ce2addca0a3&dn=BreachCompilation&tr=udp%3A%2F%2Ftracker.openbittorrent.com%3A80&tr=udp%3A%2F%2Ftracker.leechers-paradise.org%3A6969&tr=udp%3A%2F%2Ftracker.coppersurfer.tk%3A6969&tr=udp%3A%2F%2Fglotorrents.pw%3A6969&tr=udp%3A%2F%2Ftracker.opentrackr.org%3A1337

（2）二进制压缩11G磁力下载链接地址

magnet:?xt=urn:btih:09250e1953e5a7fefeaa6206e81d02e53b5b374a&dn=BreachCompilation.tar.bz2&tr=udp://tracker.leechers-paradise.org:6969/announce&tr=udp://tracker.opentrackr.org:1337/announce&tr=udp://tracker.pirateparty.gr:6969&tr=udp://tracker.coppersurfer.tk:6969/announce&tr=udp://tracker.zer0day.to:1337/announce

2.数据库内容

该集合数据库中包含从Bitcoin、Pastebin、LinkedIn、MySpace、Netflix、YouPorn、Last.FM、Zoosk、Badoo、RedBox以及游戏平台（Minecraft和Runescape等）泄漏的数据，以及Anti Public，Exploit.in泄漏的凭证列表

1.1.2数据分析及处理

1.对下载文件进行解压

   对breachcompilation.txt.7z进行解压，解压后数据在data目录，它是按照字母进行排序的，在解压根目录存在一些脚本文件，如图1所示，原始文件解压后45G，后面我又对该文件进行压缩处理，节约空间。

 

图1解压文件

2.使用cat生成文件

  使用cat * >alla.txt类似命令，对每一个文件夹进行处理，然后生成多个txt文件。

3.文件格式

   通过notepad对该密码文件进行查看，发现数据为邮箱帐号及密码，使用“:”分隔数据字段。

4.创建数据库及表

（1）在mysql中创建数据库14yidata

（2）创建数据库表

alla表设置两个字段，email及password。

1.1.3数据库导入处理

1.将txt文件导入到数据库

（1）对a开头的数据进行处理

  通过cat对a文件夹进行处理，共生成alla.txt、alla-l.txt及alla-n.txt三个文件夹，其中alla-l.txt及alla-n.txt是因为在a文件夹下存在子文件夹l及n。

（2）执行导入

   在Navicat for MySQL中分别执行以下语句进行导入，如图2所示，导入成功后，会显示受影响的行，该数据表示导入了多少条数据。

LOAD DATA LOCAL INFILE "d:/ok/alla.txt" INTO TABLE alla FIELDS TERMINATED BY ':';

LOAD DATA LOCAL INFILE "d:/ok/alla-l.txt" INTO TABLE alla FIELDS TERMINATED BY ':';

LOAD DATA LOCAL INFILE "d:/ok/alla-n.txt" INTO TABLE alla FIELDS TERMINATED BY ':';

 

图2导入数据

2.查询存在特殊字符邮箱数据并保存

   在mysql中执行：select *  from alla  where email like '%;%'  and password >''查询后，将查询结果保存为alla-ok.txt文件，如图3所示，使用notepad打开alla-ok.txt文件，在其中可以看到存在特殊字符，将空格替换为“:”。

 

图3处理特殊字符数据

3.删除存在特殊字符“;”及有密码的数据

执行语句：delete   from alla  where email like '%;%' and password >''，如图4所示，将alla表中存在“;”和密码的数据进行清洗，也即删除掉，前面已经保存了数据（alla-ok.txt）。

 

图4删除特殊字符数据

 4.查询空密码

在处理数据库中发现存在很多空密码，执行查询：select * from alla  where password=''，执行后，如图5所示，显示共有292672条数据。

 

图5查询空密码

5.删除空密码

由于空密码没有什么用处，是废弃数据，需要进行删除处理，执行语句：

delete   from alla  where password='' ，如图6所示，删除292672条数据记录。

 

图6删除空密码数据

6.查询特殊字段“;”密码并导出文件

   在导入的数据库表alla中，存在一些特殊字符，其email名称跟密码通过“；”进行分割，如图7所示，执行查询select *  from alla  where email like '%;%'，这些数据不便于查询，需要进行处理。

 

图7查询特殊字符“;” 存在的数据

7.导出特殊字符“;” 存在的数据

在Navicat for MySQL查询处理完毕后，如图8所示，单击导出向导，根据其提示进行即可，将存在特殊字符的数据记录全部导出道d:\ok\ok\1.txt文件。

 

图8将所有特殊字符数据记录导出到1.txt文件

8.合并导出特殊字符和密码的字段表及后导出的密码表

（1）替换字符

  使用notepad打开1.txt文件，查找目标“;”，将其替换为“:”，如图9所示，选择全部替换即可。

 

图9替换特殊字符记录

（2）合并数据

   将alla-ok.txt中的数据复制到1.txt文件中。

8.去除行尾空白字符

   前面进行查询及处理的数据存在空白字符，需要通过UltraEdit编辑器对1.txt文件去除行尾空白字符，单击“格式”-“删除行尾空白字符”即可，如图10所示。

 

图10去除行尾空白字符

9.重新导入特殊字符处理的表

将处理后的数据文件1.txt导入数据库，执行语句：

LOAD DATA LOCAL INFILE "D:/ok/ok/1.txt" INTO TABLE alla FIELDS TERMINATED BY ':';

如图11所示，将存在问题的数据记录重新导入数据库中。

 

图11重新导入数据库中

10.将前面所有查询处理保存

   将alla处理结果表进行重命名，例如alla_ok，按照顺序，对前面的查询处理进行编号，对后续数据进行处理。直至将所有数据处理完毕，对所有文件处理完毕后，实际数据数为1387009672条。

11.如果有兴趣可以利用14亿数据进行大数据学习

   推荐一个对14亿数据的处理及分析站点：https://github.com/philipperemy/tensorflow-1.4-billion-password-analysis

1.1.5总结及探讨

1.文本文件导入数据库语句总结

   很多时候泄露的数据为txt文件，需要对其进行处理，将txt文件中的数据导入数据库，方便进行查询等处理。

（1）将文本文件导入mysql数据库

LOAD DATA LOCAL INFILE "d:/ok/alla-n.txt" INTO TABLE alla FIELDS TERMINATED BY ':';

（2）查询存在特殊字符及密码的数据，并保存

select *  from alla  where email like '%;%'  and password >''

（3）对上面的数据进行替换处理

空格替换成：

（4）删除存在特殊字母“;”及有密码的数据

delete   from alla  where email like '%;%' and password >''

（5）查询空密码

select * from alla  where password=''

（6）删除空密码

delete   from alla  where password=''

（7）查询特殊字段“;”密码并导出文件

select *  from alla  where email like '%;%'  

（8）对导出文件进行替换处理“;”替换为“:”

（9）合并导出特殊字符和密码的字段表及后导出的密码表

（10）去除行尾空字段

（11）重新导入特殊字符处理的表

LOAD DATA LOCAL INFILE "D:/ok/ok/1.txt" INTO TABLE alla FIELDS TERMINATED BY ':';

2.数据库去重处理

  在本次处理中未对数据进行去重处理，由于数据量比较大，进行去重处理后，感兴趣的朋友可以将所有txt文件cat成一个文件，使用sort进行去重处理。其命令为：

sort -u all.txt >allnew.txt

3.在线查询

互联网上有一些密码及邮箱在线查询网站：

https://pwdquery.xyz/：输入邮箱，隐藏部分的泄露密码

https://verify.4iq.com/：输入邮箱，自动将泄露密码发送到邮箱上

https://haveibeenpwned.com/Passwords：输入密码，确认是否泄露

参考文章：

对***技术感兴趣的朋友可以订阅本人撰写的付费专栏：