Prisen på stjålne data

De markedspladsdata om tilbudte data, der er anvendt i denne undersøgelse, vedrører perioden fra januar 2025 til februar 2026. Dataene blev indsamlet i februar og marts 2026 fra NordStellar-platformen (primær kilde), fra nye markedspladser, der endnu ikke er indekseret af NordStellar (sekundær kilde), og fra xLeet-markedspladsen (tertiær kilde):

• Nordstellars Enterprise API: Vi har foretaget 228 søgninger med søgeord, der dækkede identitetsdokumenter, bankkonti, betalingskort, adgangsoplysninger og kryptovalutaer. I alt leverede NordStellar næsten 50.000 annoncer fra indekserede markedspladser (BidenCash, Russian Market, Exodus Market og Styx Market).

• Ikke-indekserede markedspladser: Vi har samlet registreret 9.400 annoncer fra Ares Market, Black Ops, Nexus Market og We The North.

• xLeet: Vi har fundet ca. 15.800 annoncer med erhvervsmæssige e-mailadresser, f.eks. fra Office365, cPanel eller GoDaddy-webmail.

Annoncerne fra de markedspladser, der er indekseret af NordStellar, og fra de ikke-indekserede markedspladser udgør det centrale datasæt på 59.050 poster. De indsamlede data gennemgik en filtreringsproces i flere trin for at fjerne fejl, falske positive resultater og upålidelige poster:

1. 1.

   Vi har udelukket annoncer, der omhandler stoffer og vejledninger.

2. 2.

   Ved hjælp af præcis fjernelse af dubletter kunne vi fjerne næsten halvdelen af hovedannoncerne (27.605) med identiske titler eller beskrivelser (efter normalisering).

3. 3.

   Takket være den AI-baserede detektion af dubletter blev yderligere 69 annoncer fjernet.

4. 4.

   Takket være global fjernelse af dubletter på tværs af kilder blev yderligere 425 overlappende annoncer mellem markedspladserne fjernet, hvilket efterlod i alt 28.559 unikke annoncer i hoveddatasættet.

5. 5.

   xLeet-datasættet gennemgik en separat, mindre omfattende filtreringsproces, der lagde vægt på prisvalidering og geografisk fordeling.

De resulterende data blev derefter behandlet med henblik på analyse:

• Vi klassificerede de resterende annoncer i 16 kategorier ved hjælp af nexos.ai.

• Hver post fik også tildelt en underkategori, en geografisk klassificering (region og land) og en tillidsvurdering.

• Vi anvendte statistiske sammenlægninger (min., P25, median, gennemsnit, P75, maks.) for hver kombination af kategori og region, der opfyldte vores minimumskrav til data.

• For at forenkle sammenligningen har vi omregnet priserne til USD.

Vi har manuelt kontrolleret annoncer med lave konfidensværdier, ekstreme priser (over den 99. percentil) eller ukendte geografiske data for at sikre, at dataene er pålidelige. Slutteligt blev xLeet-e-maildataene integreret i vores analyse af e-mailkonti for at give en geografisk prisdækning, som ikke ville have været mulig med hoveddatasættet alene.