Verdien av stjålne opplysninger

De oppførte markedsplassdataene som ble brukt i denne studien, er fra perioden januar 2025 til februar 2026. Dataene ble samlet inn i februar og mars 2026 fra NordStellar-plattformen (hovedkilde), fra nye markedsplasser som ikke er indeksert av NordStellar (sekundærkilde) og fra markedsplassen xLeet (tertiærkilde):

• Nordstellars Enterprise API: Vi brukte 228 nøkkelordsøk som dekket identitetsdokumenter, bankkontoer, betalingskort, innloggingsopplysninger og kryptovaluta. Totalt leverte NordStellar nesten 50 000 oppføringer fra indekserte markedsplasser (BidenCash, Russian Market, Exodus Market og Styx Market).

• Ikke-indekserte markedsplasser: Vi samlet totalt 9400 oppføringer fra Ares Market, Black Ops, Nexus Market og We The North.

• xLeet: Vi fant omtrent 15 800 oppføringer med bedrifts-e-poster som Office365, cPanel eller GoDaddy webmail.

Oppføringene fra NordStellars indekserte markedsplasser og de ikke-indekserte markedsplassene utgjør kjernedatasettet på 59 050 oppføringer. Dette datasettet ble gjennomgått i en flertrinns filtreringsprosess for å redusere støy, falske positive treff og upålitelig data:

1. 1.

   Vi har utelatt oppføringer knyttet til rusmidler og veiledninger.

2. 2.

   Vi brukte eksakt deduplisering for å fjerne nesten halvparten av kjerneoppføringene (27 605) med identiske titler eller beskrivelser (etter normalisering).

3. 3.

   KI-assistert sporing av duplikater fjernet ytterligere 69 oppføringer.

4. 4.

   Global deduplisering på tvers av kilder fjernet ytterligere 425 overlappende oppføringer på tvers av markedsplasser, noe som ga et kjernedatasett på totalt 28 559 unike oppføringer.

5. 5.

   xLeet-datasettet gjennomgikk en separat, mindre omfattende filtreringsprosess med fokus på prisvalidering og geografisk fordeling.

De resterende dataene ble deretter behandlet for videre analyse:

• Vi klassifiserte de gjenværende oppføringene i 16 kategorier ved hjelp av nexos.ai.

• Videre fikk hver oppføring en underkategori, geografisk tilknytning (region og land) og en pålitelighetsscore.

• Vi brukte statistisk aggregering (min, p25, median, gjennomsnitt, p75, maks) for hver kombinasjon av kategori og geografi som oppfylte våre minimumskrav til datamengde.

• Vi omregnet prisene til amerikanske dollar for enklere sammenligning.

Vi har manuelt gått gjennom oppføringer med lav pålitelighetsscore, ekstreme priser (over 99-prosentilen) eller ukjente geografiske data for å sikre at dataene er pålitelige. Til slutt ble e-postdata fra xLeet integrert i analysen av e-postkontoer for å gi en geografisk prisdekning som ikke ville vært mulig bare med kjernedatasettet.