Noticias

Filtración masiva de 617 millones de contraseñas

Recientemente se acaba de conocer otra filtración masiva de 617 millones de contraseñas provenientes de 16 páginas web hackeadas. Según indica The Register la filtración contiene nombres de los usuarios, direcciones de correo electrónico y contraseñas. Aunque aparentemente solamente contiene los hashes de las contraseñas en lugar de estas en texto plano. Por lo que es necesario descifrar estas antes poder usar los datos.

Esta es otra filtración masiva como la que se produjo a principio de año con más de 700 millones de contraseñas.

Los datos han sido obtenidos entre finales de 2016 y 2018 de las siguientes webs:

  • Dubsmash (162 millones)
  • MyFitnessPal (151 millones)
  • MyHeritage (92 millones)
  • ShareThis (41 millones)
  • HauteLook (28 millones)
  • Animoto (25 millones)
  • EyeEm (22 millones)
  • 8fit (20 millones)
  • Whitepages (18 millones)
  • Fotolog (16 millones)
  • 500px (15 millones)
  • Armor Games (11 millones)
  • BookMate (8 millones)
  • CoffeeMeetsBagel (6 millones)
  • Artsy (1 millón)
  • DataCamp (700,000)

Estas filtraciones recuerdan la importancia de no utilizar la misma contraseña en diferentes servicios. Ya que si se revela la contraseña en uno es posible que los atacantes prueben estas en otros que no han sido comprometidos. Por lo que necesario seguir una buena política de gestión de contraseñas.

Imágenes: Pixabay (Michael Gaida)

¿Te ha parecido de utilidad el contenido?

Daniel Rodríguez

Share
Published by
Daniel Rodríguez

Recent Posts

De la Regresión Logística al Scorecard: La Transformación Matemática

En un entrada previa explicamos qué son el WOE y el IV y por qué…

1 día ago

Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring

Seguimos evolucionando el laboratorio de Analytics Lane y hoy lanzamos la versión 1.1, disponible en:…

2 días ago

Interés compuesto: la fuerza que multiplica tu dinero (y los errores que la anulan)

“El interés compuesto es la octava maravilla del mundo. El que lo entiende lo gana…

6 días ago

Cómo comparar datos con barras en Matplotlib: agrupadas, apiladas y porcentuales

Tienes los datos de ventas de tres productos en dos años distintos y quieres saber…

1 semana ago

Costes hundidos en ciencia de datos: cuándo mantener un modelo y cuándo migrar

Imagina la situación. Tu equipo lleva tres años con un modelo en producción. No es…

2 semanas ago

WOE e IV: La Base Matemática del Credit Scoring

Cuando un banco evalúa una solicitud de crédito necesita responder a una pregunta aparentemente simple:…

2 semanas ago

This website uses cookies.