Онлайн-расследование. Откуда берутся паспортные данные россиян
Номер паспорта и другая информация из него относятся к личным данным, но на практике в России паспортные данные — это, пожалуй, самые легкодоступные сведения о человеке. Рассказываем о базе «Роспаспорт», в которой они содержатся, и о том, как легко ваш паспорт «утекает» в сеть.
�� Большая часть журналистских расследований основана на открытых данных. В рубрике «Онлайн-расследование» мы рассказываем о методах расследования в сети, доступных каждому. Мы хотим показать, как с их помощью вы сами можете проверить любую сомнительную информацию. Тренироваться можно с помощью наших «домашних заданий», а отправлять вопросы — автору рубрики специальному корреспонденту The Bell Ирине Панкратовой.
Инструменты — база «Роспаспорт»
Автоматизированная система «Российский паспорт» (обычно ее называют просто «Роспаспорт») — электронная база всех паспортов, к которой подключено максимальное количество силовиков. Базу ведет МВД, но доступ в нее есть у любого патрульного ДПС, у следователей, фсбшников и так далее. Отсюда и легкость получения данных из базы: в даркнете ими торгуют все, кому не лень (о том, как работает такая торговля, мы рассказывали тут).
Выписка из «Роспаспорта» имеет типовой вид. Это несколько страниц таблички, чаще всего ее присылают в файле Word. В графах таблички указаны ФИО, пол, дата и место рождения, все данные паспортов и даты их выдачи, места и даты смены прописки. Кроме того, в табличке прикрепляется скан анкеты, которую человек заполняет при подаче заявления на выдачу паспорта. В анкете заявитель от руки указывает причину запроса на выдачу паспорта (достижение 20 или 45 лет, потеря или порча документа, смена ФИО и т.д.), а также свои личные данные, ФИО родителей. К анкете прикрепляется фото. Таким образом, как правило, выписка из «Роспаспорта» позволяет получить не только паспортные данные человека, но и имена его родителей, а также дает четкое анфас-фото человека в разном возрасте. Фото позволяет идентифицировать его в соцсетях и на сайтах. О поиске по фото мы рассказывали тут и тут.
Для проверки человека в «Роспаспорте» требуется его ФИО и дата рождения. Стоимость пробива в даркнете составляет от 800 до 1500 рублей за одного человека. При одновременном заказе большого количества людей пробивщики обычно дают скидку. Так стоимость одного ФИО может упасть до 500 рублей. Причем, если человек не нашелся, деньги принято возвращать или оставлять как депозит на следующие услуги от того же пробивщика. Таким образом, при наличии бюджета на покупку данных, любой желающий может проверить через «Роспаспорт» и десятки, и сотни человек.
Иногда можно столкнуться с отказом в пробиве конкретного ФИО, если оно «гуглится» и пробивщик видит, что это статусный человек или его родственники. В последнее время, на фоне арестов полицейских за продажу данных об отравителях Навального, отказы стали встречаться чаще.
Без использования даркнета можно самостоятельно проверить, действителен ли паспорт, при условии, что вам известен его номер. Для этого нужно ввести номер на сайте Главного управления по вопросам миграции МВД России, а также в строку поиска «СПАРК-Интерфакс», если у вас есть подписка на этот сервис.
Помимо даркнета, паспортные данные россиян слиты и используются в десятке телеграм-ботов, в базах вроде «Глаз бога» и «Химера», они выложены на форумах, продаются там в виде массивов данных. На самом деле, узнать номер паспорта человека в России — это, пожалуй, самая простая задача из разряда поиска личных данных.
Примеры использования
В апреле украинские журналисты опубликовали список священнослужителей, у которых есть российские паспорта. В тексте прямо приводятся распечатки из базы «Роспаспорта». Подобные расследования встречаются достаточно часто. Это лишь подтверждает то, насколько легко достать паспортные данные в России.
В начале этого года член СПЧ Кирилл Кабанов предлагал внести в перечень оснований для смены паспорта утечку данных о нем. Но идею не поддержали, ведь тогда основание для смены паспорта появится почти у всего населения России.
Меры предосторожности
- Выписки из «Роспаспорта» недостаточно, чтобы взять на вас кредит — это, пожалуй, самый распространенный стереотип в контексте раскрытия паспортных данных. Для такого мошенничества требуется, как минимум, оригинал паспорта и содействие банковского сотрудника. Иногда такие махинации, действительно, проворачивают в МФО, но случаи редки и как правило успешно оспариваются в суде. Если же вы потеряли паспорт, опасность больше: нужно оперативно написать заявление о его пропаже.
- Основная опасность в доступе к выписке о вас из «Роспаспорта» заключается в адресе вашей прописки. Если вы живете по нему, вас будет очень легко найти. Это касается и силовиков, и сотрудников военкоматов, и мошенников.
- Еще одна опасность — ваше фото. Если вы ведете соцсети в открытом режиме и там есть ваши фотографии, вы должны понимать, что от выписки по вам из «Роспаспорта» до ваших соцсетей — один шаг.
- Часто паспортные данные человека можно найти в «сливах» в сети. Мошенники активно используют их для манипулирования. Например, вам могут позвонить и представиться следователем, продиктовать ваш номер паспорта и начать просить оплатить штраф или под другим предлогом перечислить деньги. Названный номер паспорта повышает доверие к звонящему. Помните, что эта информация — не такая уж эксклюзивная и не означает, что вам звонит человек с высоким уровнем доступа к данным.
Что мне с этого?
Сами по себе, даже слитые в сеть, ваши паспортные данные не особенно информативны, но в сочетании с другими личными данными их утечка может доставить много проблем. Например, зная паспортные данные и данные вашего автомобиля, можно зарегистрироваться от вашего имени для отслеживания штрафов, которые вы получаете от ГИБДД. Паспортные данные, СНИЛС и ИНН позволяют собирать информацию о ваших доходах и налогах. Паспортные данные при подделке доверенности и содействии сотрудника мобильного оператора позволяют оформить сим-карту на ваше имя, и так далее. И если утечку номера паспорта вы предотвратить не можете, то остальную информацию стоит хранить бережно.
Что нового журналисты узнали за неделю по открытым данным
— Проект Our World in Data (ведет английская НКО Global Change Data Lab) опубликовал статистику о количестве самоубийств в разных странах мира. Ее обнародуют не все страны, но исходя из открытых данных, лидеры по числу самоубийств — Южная Африка и Восточная Европа. В инфографике можно использовать фильтры по странам, периоду (подсчеты охватывают 2010-2019 годы), возрасту. В России, например, число самоубийств, по официальной статистике, за 10 лет снизилось вдвое.
— The Economist визуализировал отчет британской НКО Cochrane об эффективности физических барьеров, к которым относятся и маски, в борьбе с распространением вирусов. Результаты исследования в целом указывают на то, что барьеры не особенно эффективны. При этом журналисты приводят доводы, которые заставляют усомниться в выводах исследователей.
— Журналисты NBC News проанализировали данные 1656 ресторанов Нью-Йорка в сервисе доставки Uber Eats и пришли к выводу о стремительном росте популярности «виртуальных ресторанов», то есть мест, где еду готовят только для доставки. Таким оказался каждый пятый в Нью-Йорке.
Кратко о TDAQ (или откуда берутся данные)
Системы сбора данных (Data AcQuisition) применяются повсеместно в огромном количестве областей человеческой деятельности. Без DAQ современный мир был бы попросту не возможен в том виде, в котором он существует сегодня. Системы сбора данных отвечают за оценку состояния самолетов и поездов, за мониторинг тысяч параметров в дата-центрах, бизнес-центрах, больницах, школах, метро, подводных лодках и кораблях, на космических станциях и даже за температуру у вас в холодильнике 🙂 В каждом отдельном случае к системам сбора данных предъявляются свои требования к отказоустойчивости, к объему и скорости сбора поступающей информации, к возможности масштабирования и так далее.
Большие эксперименты на LHC часто сравнивают с огромными фотокамерами, которые делают снимки микромира, поэтому одни из самых сложных систем DAQ в мире применяются именно здесь. В этой статье я пролью немного света на базовые принципы работы DAQ систем, используемых в экспериментах ФЭЧ.
Как правило, в ФЭЧ нам не интересны абсолютно все физические процессы: мы чаще охотимся за неисследованными или редкими процессами с особенными следами в детекторе. В целом, такой подход позволяет сэкономить на системах хранения данных и, что главное, требует добавления к системам сбора данных модуля ответственного за принятие решения — записывать событие или нет. Сигнал от этого модуля часто называют триггером, как и сам модуль. Ну а DAQ превращается в TDAQ.
Trigger
Триггер принимает решение, интересно нам событие или же оно скучно как очередь в поликлинике его можно проигнорировать. Триггер работает в реальном времени, т.е. оценивает события прямо во время набора данных и должен быть очень, очень быстрым. Причем быстрым не только в принятии решения, но и в том, чтобы рассказать о своем решении всем подсистемам детектора. В самом упрощенном подходе, можно сказать что все что делает триггер — это говорит свое веское Да или Нет.
DAQ
В отличие от Триггерной системы, DAQ более сложен и многогранен. Как я уже отметил, он должен уметь считывать сигналы детектора, что обеспечивается readout системами, но управлением одними физическими данными дело тут не ограничивается: часто необходимо направить часть данных в несколько триггерных систем (High Level Trigger), повсеместно применяется логгирование данных и процессов в TDAQ системе для дальнейшего анализа (Data Logging); и конечно же DAQ системы должны уметь реконструировать события (Event Building). В довесок ко всему, необходимо как-то всем этим оркестром управлять (Run Control & Configuration) и постоянно оценивать что же мы там в детекторе пишем и пишем ли правильно (Monitoring).
Азы TDAQ систем
На пару минут отвлечемся от мега-экспериментов с миллионами каналов и навороченными системами сбора данных, способных пропускать петабайты данных. Вместо этого рассмотрим простую физическую установку для начала с термометром.
Будем использовать простой преобразователь аналогового сигнала в цифровой (ADC) в качестве нашей front-end электроники. Все это подключим к простейшему компьютеру, где процессор (CPU) будет опрашивать ADC, то есть формировать периодический триггер, и обрабатывать данные.
Такая система будет в первую очередь ограничена временем τ которое затрачивается на обработку одного события:
τ = время преобразования в ADC + время на обработку CPU + время для записи на диск
Это значит, что если наша система тратит, например, 1 ms на полную обработку события, то максимальная частота, с которой возможна запись в такой системе: R = 1/τ = 1 kHz.
Вполне себе неплохо для измерения температуры почти где угодно, но не на экспериментах БАК 🙂 На БАК частота столкновений 40 000 kHz, но главная проблема даже не в этом и вот почему…
Игры с триггером
Теперь вместо термометра давайте подключим что-нибудь более интересное, например, сцинтиллятор. А измерять будем количество распадов какого-нибудь радиоактивного изотопа.
Сцинтиллятор — это, по сути, кусок материала, который при прохождении через него заряженной частицы генерирует свет. Чем больше энергия частицы — тем больше света на выходе сцинтиллятора. Свет собирается фотоумножителем или SiPM и импульс отправляется по проводам в ADC.
Вернемся к нашей установке. Первое, что тут сразу бросается в глаза: в отличии от предыдущего примера с термометром, теперь события несинхронны и непредсказуемы (например, регистрация того же бета-распада). Наш CPU не знает, когда опрашивать front-end электронику, а ADC не знает, когда приходят сигналы событий для их оцифровки.
Чтобы решить эту казалось бы нетривиальную проблему, необходимо добавить физический триггер в виде дискриминатора и линии задержки.
Дискриминатор генерирует выходной сигнал только тогда, когда сигнал на его входе оказывается выше заданного порога.
На путешествие сигнала по проводам (даже со скоростью света) и принятие дискриминатором решения требуется время. Чтобы это время компенсировать перед ADC ставят линию задержки, которая в самом простом случае представляет собой обычную бухту кабеля необходимой длины.
Радиоактивный распад — это стохастический процесс. Между событиями есть большие флуктуации во времени. Давайте предположим, что наш изотоп распадается с частотой f = 1 kHz. Это значит, что вероятное время между событиями будет λ = 1 ms. Вспомним, что для нашей системы τ = 1 ms и значит, система должна справиться, верно?
Как бы да, но на самом деле нет. Что будет, если триггер сработает в тот момент, когда CPU и/или ADC заняты обработкой предыдущего события?
Тут может быть все что угодно: суммирование сигналов от двух событий в ADC, разделение сигнала одного события в ADC на два отдельных (по двум командам CPU), игнорирование второго события (если повезет) и т.д. Система станет не предсказуемой, и мы хотим чтобы события никогда не попадали в закрашенную серым область на графике выше.
На помощь приходит т.н. Busy logic. Она помогает избежать генерации триггера пока система занята обработкой последнего события. Вся его работа основана на запирающем модуле (latch module).
Отлично! Теперь мы готовы проводить измерения. А с какой средней частотой теперь может записывать наша TDAQ система?
Напомню, что только с периодическим триггером от CPU τ системы составляет 1 ms, а предел загрузки равен 1 kHz. Всё, что придет сверх этого, система не обработает.
Для ясности повествования договоримся об определениях:
— f — средняя частота физического процесса (вход);
— ν — средняя частота DAQ системы (выход);
— τ — мёртвое время, т.е. время которое необходимо системе для обработки события, в которое она не может принимать новые триггеры;
— вероятность P[busy] = ντ
— вероятность P[free] = 1-ντ
Таким образом, связь между средней частотой физического процесса и средней частотой работы DAQ системы выглядит так:
Поскольку мы имеем дело со стохастическими флуктуациями событий, средняя частота DAQ системы всегда меньше средней частоты физического процесса. Кроме того эффективность сбора данных всегда меньше 100%:
В нашем же случае при f = 1 kHz и τ = 1 ms система будет обладать ν = 500 Hz и ε = 50%. Хорошо если у нас куча времени и бесплатного электричества. Можно пожертвовать эффективностью и оставить все как есть. Но если мы ищем редкие события на БАК, нужно куда бережнее относиться к деньгам налогоплательщиков и ожиданиям со стороны коллег физиков.
Что тут можно сделать? Для начала заметим, что все сильно зависит от мёртвого времени:
Для того, чтобы получить эффективность близкую к 100% (т.е. ν~f ) необходимо чтобы произведение fτ было много меньше 1, ну или τ было много меньше вероятного времени между событиями λ. Так, например:
Чтобы справиться с флуктуациями входных сигналов, потребуется перестроить всю нашу DAQ систему, причем каким-то образом сделав ее в 100 раз быстрее! Быстрые CPU? SSD диски с более быстрой операцией записи? Оптические соединения? Это очень дорого, сложно, менее отказоустойчиво и совсем не спасет нас, если мы захотим проводить измерения более частых физических процессов.
Где же выход?
Дерандомизация!
Проблема заключается в рандомном (читай непредсказуемом) приходе событий на обработку. Что если бы мы могли превратить рандомный процесс в очень даже предсказуемый? Мы не можем повлиять на распад изотопа, но мы могли бы записывать сигналы после ADC в очередь и брать их на обработку уже оттуда. Для этой цели используются FIFO модули (First-in-First-Out Buffer Module). Всё, что в данном случае требуется, так это чтобы частота обработки событий модулем ADC была гораздо больше частоты измеряемого физического процесса, что легко достигается стандартными решениями ADC, представленными на рынке.
В таком случае наша схема TDAQ будет выглядеть уже следующим образом:
Интенсивность потока данных (или трафика) считается как отношение ρ = τ/λ:
— если ρ > 1, то система перегружена;
— при ρ «1 , то выход DAQ системы сконструирован с огромным запасом (что обычно очень дорого);
— при ρ ~1, система считается сбалансированной. А большая эффективность достигается простым управлением вместимостью FIFO буфера.
Следует отметить, что все эти рассуждения возможны только для простых систем, а расчеты более сложных установок требуют Монте-Карло моделирования.
Таким образом FIFO отделяет быструю front-end электронику от медленного этапа обработки данных, что сводит к минимуму количество используемых быстрых модулей. В экспериментах БАК FIFO буферы событий используются повсеместно. Кроме того, задержки перед ADC так же заменяет FIFO модуль.
Эксперимент на БАК
Сделаем последний шаг и подготовим нашу TDAQ систему для эксперимента на БАК.
На БАК столкновения происходят синхронно с частотой 40 MHz. Время предоставляется глобально. Казалось бы, зачем нам здесь дорогие FIFO модули? Дело в том, что наш триггер отбирает интересные события, а вот когда они произойдут — знать заранее невозможно. То есть, даже если столкновения пучков синхронны, распределение триггеров по времени все ещё рандомно!
Конечно, на экспериментах БАК также стоят защиты от переполнения буферов, резервные модули, сложная система сбора информации для триггера и схема раздачи сигнала триггера обратно по подсистемам. Под пристальным контролем находятся десятки подсистем детекторов, миллионы каналов с разными физическими характеристиками выходного сигнала. Но базовый принцип работы остаётся таким же.
Центр поддержки
Мы собираем данные из разных источников, включая государственные реестры, страховые компании, автомастерские, подключенные автопарки и другие источники.
Была ли эта страница полезной?
Служба поддержки клиентов всегда готова прийти на помощь
Наша служба поддержки будет рада помочь по любому вопросу. Напиши сообщение, и мы обязательно ответим.
97%
12-24h
Среднее время отклика
24/7
Блог
Ознакомься с нашими последними новостями и подробным анализом
Как узнать, нуждается ли транспортное средство в ремонте тормозов
Современные транспортные средства оснащены множеством систем активной и пассивной безопасности, снижающих риск получения травм при аварии. Однако если надо избежать опасной ситуации на дороге, тормоза — это зачастую единственное, на что можно положиться. Хотя производители транспортных средств дают разные рекомендации по периодичности обслуживания тормозов, ряд признаков поможет быстрее определить их износ. Как узнать, в порядке […]
Легко ли подделать VIN-код?
Авторынок сверхприбылен, а торговцы автомобилями часто прибегают к обману для увеличения дохода. Сюда входит фальсификация пробега или документов о регистрации. Самые бесчестные торговцы могут даже применить агрессивную стратегию – например, продавать угнанные автомобили. Конечно, эти методы обогащают мошенника за счет клиентов! К счастью, от хорошего VIN-декодера сложно скрыть угон автомобиля или подделку пробега. Не совсем […]
Как проверить, был ли автомобиль в ДТП?
Будем откровенны, никто не хочет покупать автомобиль после ДТП. Особенно если продавец старательно скрыл этот факт и правда выяснилась только в ходе тщательного расследования. К счастью, есть разные способы поймать мошенника с поличным. Например, VIN-код автомобиля обеспечивает доступ к отчету об истории транспортного средства, что, несомненно, является самым простым способом проверки, был ли автомобиль в […]
Откуда берутся данные в ботах, с помощью которых силовики деанонимизируют людей в Telegram
По телеграму МВД имеет собственную базу данных «Т-Поиск». Вероятно, она не очень большая, а наполняет ее ведомство собственноручно — скорее всего из открытых источников (телеграм-чатов и комментариев), через контакты с телефонов задержанных людей, а также из старых известных силовикам баз данных.
Также в нее могут вноситься данные из полученных силовиками «сливов», произошедших путем внедрения агентов (к примеру, «база ЧКБ») или создания поддельных ботов (как было с ботом «батальона имени Костюшко»). Но если не получается найти пользователя таким путем, то силовики прибегают к использованию Telegram-ботов, которые ищут информацию за них.
Телеграм-боты и сервисы
В интернете существует ряд телеграм-ботов и ресурсов, которые ищут информацию о людях внутри телеграма.
Они напрямую не связаны с силовиками и созданы исключительно в коммерческих целях. Таких ботов десятки, и некоторые имеют уникальные функции, которых нет у других. База в ботах пополняется за счет покупки или добавления баз данных из открытых источников. Большинство из таких ботов платные. Но они нарушают законы о персональных данных многих стран.
Один из наиболее известных — Eye of Beholder, который приобретает много различных баз данных именно по телеграму. Он позволяет получить историю изменения аккаунтов и активности в открытых чатах, а часто также и телефонный номер.
Если силовики имеют телефонный номер (не виртуальный и не иностранный), то они однозначно могут установить владельца аккаунта. Также очень часто это можно сделать по истории изменения имени и никнейма.
Существуют и другие боты, которые, к примеру, могут отыскать ID создателя любого стикера или custom-emoji в телеграме. Как это делается, мы писали в нашей статье — но для этого никаких дополнительных данных не требуется.
Откуда там берутся данные?
Базы данных бывают двух типов: полученные путем накопления и анализа информации из открытых источников и полученные путем взлома ресурсов. Обычно используются оба варианта.
Существует огромная сеть аккаунтов-ботов, непрерывно сканирующих все известные им открытые чаты. Они записывают имена новых известных им пользователей, их юзернеймы и ID аккаунтов. В результате они формируют таблицы, которые содержат в себе историю появления человека в чате, а также его имя на тот момент.
База телефонов аккаунтов пополнялась почти с начала создания мессенджера. Люди, создававшие такие базы, просто зарегистрировали сотни аккаунтов, которые непрерывно добавляли в контакты людей по их номеру (раньше невозможно было запретить поиск по нему). А после того, как стало возможно проверить человека по номеру без добавления в контакты (по ссылке типа t.me/+375000000000), они периодически «простукивают» такие ссылки, которые сами и генерируют.
Таким образом формировались и продолжают формироваться связки «ID аккаунта — номер», которые впоследствии перепродаются другим сервисам.
В некоторых ботах существуют базы данных создателей стикеров и Custom emoji. Видимо, это делается так: если бот видит стикер в каком-то чате или кто-то кидает туда его на проверку, то он «привязывает» его к ID телеграм-пользователя.
Для таких баз неважно, удален ли аккаунт — в Telegram можно отыскать ID даже удаленного аккаунта, а после по ID связать его с конкретным человеком через ранее созданную базу.
Также существуют базы пользователей разных привязанных к телеграму сервисов, полученные путем взлома, но так как таких сервисов немного, то они содержат (в отличие от, к примеру, баз соцсетей) совсем небольшое количество данных.