AOL zet 439 Mb gebruikersdata online!

Btw, als het goed is heb ik over een uurtje de data binnen ;-)

De reacties in de Engelstalige blogosfeer, zoals Techcrunch bijvoorbeeld, zijn erg negatief... Vooral de kans dat users achterhaald worden, lijkt erg aanwezig te zijn. Brrrr...

AOL ziet inmiddels in dat dit niet zo heel handig was, en heeft (de link naar) het bestand verwijderd:

"This was a screw up, and we're angry and upset about it," "It was an innocent-enough attempt to reach out to the academic community with new research tools, but it was obviously not appropriately vetted, and if it had been, it would have been stopped in an instant."

(bron: Yahoo)
Helaas voor AOL is het bestand al via allerlei mirrors en torrents te achterhalen.

Iemand die het bestandje nog heeft kunnen downloaden?

Mirrors staan hier... Voorlopig althans.

Nog een paar Mb'tjes en dan heb ik de dataset binnen.

Smetty, ik had al een link naar de mirror in bovenstaand bericht opgenomen. Verbaasd me overigens niets dat er een publieke discussie over is ontstaan. Een willekeurige quote op TechCrunch:

(...) User 491577 searches for “florida cna pca lakeland tampa”, “emt school training florida”, “low calorie meals”, “infant seat”, and “fisher price roller blades”. Among user 39509’s hundreds of searches are: “ford 352″, “oklahoma disciplined pastors”, “oklahoma disciplined doctors”, “home loans”, and some other personally identifying and illegal stuff I’m going to leave out of here. Among user 545605’s searches are “shore hills park mays landing nj”, “frank william sindoni md”, “ceramic ashtrays”, “transfer money to china”, and “capital gains on sale of house”. Compared to some of the data, these examples are on the safe side. I’m leaving out the worst of it - searches for names of specific people, addresses, telephone numbers, illegal drugs, and more. There is no question that law enforcement, employers, or friends could figure out who some of these people are. (...)

Velen zullen de tekstbestanden waarschijnlijk niet kunnen openen, vanwege de grootte van 217MB (Memory problemen). Dus heb je een filesplitter nodig, hier een gratis tooltje

Ik heb even een eerste tekstbestand geopend en er staat inderdaad gevoelige informatie in. Zo zijn er bijvoorbeeld een flink aantal queries te zien van iemand die naar kinderporno zoekt. Dit verhaal gaat zeker een staartje krijgen.