csdn泄漏密码分析

   csdn密码泄漏，640万用户数据泄漏，对于在小公司的我，从没见过这么大数据量，于是非
常兴奋，迫不及待的想去操作一下如此大的表。

   使用mysql，首先建表。
  

     create database csdn;

     create table csdn(
        id int not null auto_increment,
        username varchar(100),
        passwd varchar(100),
        email varchar(100),
        primary key (id) 
     )
   

   接着导入表，由于泄漏的文件不是标准sql，只有三列，使用#隔开，因此使用load data infile方式。
  

     load data local infile '/home/kaka/csdn.sql' into table csdn fields terminated by '#' (username,passwd,email);
   

   导入成功，共有6428632条记录。

   这么多条记录，访问起来十分慢，首先建几条索引(index)
  

    create index passwd_index on csdn(passwd) using btree;
   

   时间是
  

引用

      Query OK, 6428632 rows affected (3 min 46.82 sec)
  

   再对邮箱建一个索引：
  

    create index email_index on csdn(email) using btree;
   

   用的时间更长,
  

引用

      Query OK, 6428632 rows affected (6 min 51.11 sec)
      Records: 6428632  Duplicates: 0  Warnings: 0
  

   不过和后面的查询减少的时间比起来，这个6分钟也是很值得了。

   下面来进行一些有趣的分析：

   1、常用密码排名（前20名）
  

引用

|     passwd       | count(passwd) |
+--------------+---------------+
|  123456789   |        235029 |
|  12345678    |        212766 |
|  11111111    |         76348 |
|  dearbook    |         46052 |
|  00000000    |         34953 |
|  123123123   |         20010 |
|  1234567890  |         17794 |
|  88888888    |         15033 |
|  111111111   |          6995 |
|  147258369   |          5966 |
|  aaaaaaaa    |          5890 |
|  987654321   |          5555 |
|  1111111111  |          5145 |
|  66666666    |          5026 |
|  a123456789  |          4686 |
|  11223344    |          4096 |
|  1qaz2wsx    |          3969 |
|  password    |          3654 |
|  xiazhili    |          3649 |
|  789456123   |          3611 |

  

   12345678和12345678分别突破20万，整天叫嚷这数据安全的程序员们，轮到自己的时候，密码就这么简单啊～
   排名第四的是dearbook，有4.6万人，我不清楚dearbook有何含义，知道的解释下吧。

   以ilove**作为密码的共有12031个人。

  2、没有重复的密码：
  

引用

       !(*!!
!(()!!!^
!((%)*)(QWtxd
!((%!((%
!(($)
!((!)*)
!((!)()%
!((
!(&^)^!(
!(&^!!@&
!(()!!@
!(()!@)(cloud
!(()!@)6125dou
!()jian20
!((^)^@@123123
!((@0709yxw
!((*03230225tian
!(()HB1990128
!(()0803
!(())@)@@

  

     
   要想密码没有重复，!,(,)不可少啊～不过这也太难记了吧。。

   3、80后统计
   把密码设为日期的应该就是自己的出生日期了吧
   来统计一下80后

  

引用

birth   count
-----   ------
1980 15374
1981 21923
1982 34535
1983 35144
1984 39849
1985 41709
1986 50940
1987 59569
1988 53519
1989 45269
-----   ------
        397831
  

将近40万的80后哦～

   4、注册邮箱排名（前20）
  

引用

   qq.com        1972584
163.com        1763310
126.com        806199
sina.com        350870
yahoo.com.cn        205110
hotmail.com        202361
gmail.com        186086
sohu.com        104554
yahoo.cn        86797
tom.com        72231
yeah.net        53114
21cn.com        50597
vip.qq.com        35055
139.com        29105
263.net        24756
sina.com.cn        19103
live.cn        18860
sina.cn        18574
yahoo.com        18338
foxmail.com        16382

  

  从这张表里，大概能反映目前国内各邮箱厂商的市场占有率：网易和qq领先竞争对手非常多，网易256万多，腾讯200万左右，排名第三的新浪只有35万左右。后面依次是雅虎，hotmail，gmail，sohu。。

  5、大学统计
  根据邮箱后缀来统计各大学注册人数
 

引用

    mail.ustc.edu.cn           2035     中科大
    sjtu.edu.cn         1876     上海交大
    bjtu.edu.cn                 1341     北京交大
    fudan.edu.cn         981      复旦
    stu.xjtu.edu.cn         930      西安交大
    zju.edu.cn             876      浙大
    mails.tsinghua.edu.cn 716      清华
    bit.edu.cn           691      北京理工
    mail.nankai.edu.cn   640      南开
    stu.edu.cn          559      汕头大学
    emails.bjut.edu.cn   487      北京工大
    swu.edu.cn          450      西南大学
    nenu.edu.cn         413      东北师范
    ustc.edu            345      中科大
    mail.dhu.edu.cn     327      东华大学
    cqu.edu.cn          311      重庆大学
    pku.edu.cn          309      北大
    mail.sdu.edu.cn     309      山东大学
    stu.snnu.edu.cn     299      陕西师范大学
    cqut.edu.cn         260      重庆理工
 

  中科大，上海交大，北京交大占据了前三甲啊。。

  6、两个段子
 

引用

       RT @hecaitou:  转：CSDN 杯我最喜欢的密码大决选总冠军：ppnn13%dkstFeb.1st。看不懂？中文解析：娉娉袅袅十三余，豆蔻梢头二月初。
 

  经查，没有这个密码。。
 

引用

       转：CSDN杯我最喜欢的密码大决选季军： FLZX3000cY4yhx9day (飞流直下三千尺，疑似银河下九天） hanshansi.location()!∈[gusucity]（姑苏城外寒山寺） hold?fish:palm（鱼和熊掌不可兼得）
 

  经查，只有 FLZX3000C 这个存在，其它的都不存在。
  这帮文人啊，造些无聊的段子有神马意义～
 
 
  csdn的分析就到这里吧，下一篇将是对4000万天涯数据的分析，敬请期待啊～

  ps：
  1、建库，导入数据，建索引时间都是基于我的笔记本上虚拟机统计出来的。P8500双核，1G内存.
  2、处理大数据，linux系列比windows强太多了。在win7上查询不下去了，我才转移到ubuntu上的。
  3、本人只是对处理大规模数据感兴趣，所以才下载了这些数据，仅用来学习，不害人不传播，请勿跨省，请勿向我索取。

   

评论

1 楼 wubaodong 2011-12-28  

顶一个