Priset på stulna uppgifter

De annonsuppgifter från marknadsplatser som använts i denna studie omfattar perioden januari 2025 till februari 2026. Uppgifterna samlades in under februari och mars 2026 från plattformen NordStellar (primärkälla), nya marknadsplatser som ännu inte indexerats av NordStellar (sekundärkälla) samt marknadsplatsen xLeet (tertiär källa):

• Nordstellars Enterprise API: Vi använde 228 nyckelordssökningar som omfattade identitetshandlingar, bank- och betalkonton, betalkort, inloggningsuppgifter och kryptovaluta. NordStellar hittade sammanlagt nästan 50 000 annonser på de marknadsplatser som ingår i indexet (BidenCash, Russian Market, Exodus Market och Styx Market).

• Icke-indexerade marknadsplatser: Vi samlade in totalt 9 400 annonser från Ares Market, Black Ops, Nexus Market och We The North.

• xLeet: Vi hittade cirka 15 800 annonser för e-postadresser kopplade till företag, till exempel till Office365, cPanel och GoDaddy.

Annonserna från NordStellars indexerade marknadsplatser och de icke-indexerade marknadsplatserna utgör det huvudsakliga datasetet på 59 050 annonser. Detta dataset genomgick en filtreringsprocess i flera steg för att minska brus, falska positiva resultat och opålitliga data:

1. 1.

   Vi har uteslutit annonser som rör droger och guider.

2. 2.

   Vi använde exakt dubblettkontroll för att ta bort nästan hälften av huvudannonserna (27 605) med identiska titlar eller beskrivningar (efter normalisering).

3. 3.

   AI-assisterad detektering av dubbletter ledde till att ytterligare 69 annonser togs bort.

4. 4.

   Global dubblettkontroll över flera källor tog bort ytterligare 425 överlappande poster för marknadsplatserna, vilket resulterade i totalt 28 559 unika annonser i det huvudsakliga datasetet.

5. 5.

   xLeet-datasetet genomgick en separat, mindre omfattande filtreringsprocess med fokus på prisvalidering och geografisk fördelning.

Uppgifterna som blev kvar bearbetades därefter för analys:

• Vi delade in de återstående annonserna i 16 kategorier med hjälp av nexos.ai.

• Varje annons tilldelades även en underkategori, geografisk tillhörighet (region och land) samt ett konfidensvärde.

• Vi använde statistiska sammanställningar (min, p25, median, medelvärde, p75, max) för varje kombination av kategori och geografiskt område som uppfyllde våra gränsvärden för minsta datamängd.

• Vi har konverterat alla priser till amerikanska dollar för att underlätta jämförelsen.

Vi har manuellt granskat annonser med låga konfidenspoäng, extrema priser (över den 99:e percentilen) eller okända geografiska uppgifter för att säkerställa att uppgifterna är tillförlitliga. Slutligen integrerades e-postdata från xLeet i vår analys av e-postkonton för geografisk täckning av prisuppgifter som inte skulle ha varit möjlig med endast det huvudsakliga datasetet.