<mark id="oztn4"></mark>
0
都說金三銀四，最近打算換工作的蘇大強（蹭熱點式化名）在各大招聘平臺掛上了自己的簡歷。誰知道剛過兩天就接到了十八個騷擾電話，其中只有兩個來自獵頭。
在接起第十八個貸款推廣騷擾電話后，蘇大強崩潰了，誰！又是誰TM泄露了我的信息，沒錢不貸款還不起還不行嗎！
你有沒有想過，數據泄露可能源于那份簡歷。
先說一起新聞。不久前網上有爆料稱簡歷大數據公司北京巧達科技被查封，全員被抓，隨后有部分員工被放出。
3月24日，三言財經也實地走訪了巧達位于中關村辦公室，發現大門現已被封條封住，辦公室內空無一人。該封條由中鋼國際廣場保安部張貼，時間為2019年3月14日。
【圖片來源：三言財經】
于是有人好奇，這家公司做了啥突然被封？
根據公開信息，巧達科技號稱擁有中國最大的簡歷數據庫，其主要數據來源是“喬大招”。喬大招旗下則擁有“愛伙伴”、“簡歷時光機”等在內10多款招聘相關產品。
“喬大招”可以做到通過一款工具匯總多家招聘網站賬號信息，企業客戶可以統一發布職位、收取簡歷；其次，該工具可以抓取簡歷的修改歷史，可以查看到對應簡歷被查閱次數、修改記錄等信息；不僅如此，還可以將簡歷上傳至平臺，供其他企業、獵頭使用。
愛伙伴是一款提供“員工離職預測”的工具軟件，該軟件可以檢測到員工投遞簡歷、員工簡歷更新情況以及員工簡歷被查看次數等信息。企業用戶購買愛伙伴后，即可查看其收集匯總的簡歷數據，依此判斷公司員工的離職傾向。
簡單說，這個一款給老板打小報告的軟件，哪個員工有離職的想法都可能被提前知道。
截至2015年6月30日，在喬大招的數據庫中，以人為計算，收入自然人的簡歷超過1.6億人。以版本來計算，簡歷超過18億個版本，超過25億行為軌跡。說不準你精心準備的簡歷就在其中！
這些數據都被這家公司用于牟利，甚至涉及違規收集個人信息。封條一帖，巧達涼涼。
不過，一家“巧達”倒下了，還有其他“巧達”站起來，打著智能招聘SaaS系統的簡歷公司披著偽善外衣，暗地做著吸血勾當。
智能招聘SaaS系統
想要竊取招聘網站的簡歷數據有什么招數？
1. 利用公開數據，通過爬蟲工具爬取；
2.合法賬號內部獲取數據；
3.利用網站平臺的漏洞進入系統獲取數據。
其中，爬蟲技術運用最為廣泛，因為不需要網站有任何漏洞，只需要模擬正常用戶訪問操作，就可以抓取。
瑞數信息CTO馬蔚彥告訴雷鋒網，一般黑產會通過腳本、自動化框架、手機等工具去訪問招聘網站平臺，通過分析招聘網站的接口，這些工具可以自動的進行搜索關鍵字輸入、翻頁，對招聘網站內容進行抓取，然后通過腳本程序，將抓取到的原始數據進行格式化處理，轉換成可閱讀的簡歷。后期爬蟲還可以同過定時機制，來進行簡歷數據的定時獲取更新。
這種爬蟲技術與爬各大網站低價機票本質是一個套路，不同點在于：機票是全公開的，誰都可以看。但部分簡歷數據需要登錄或者付費后查看的，這時候就需要爬蟲組織囤積大量賬號進行簡歷抓取。
這些賬號從何而來？于是打著智能招聘SaaS系統的簡歷公司出現了，聲稱該SaaS產品可以“幫助一個HR管理多個平臺上發布的職位和收到的簡歷”，只需要登錄一個平臺就能管理所有渠道的簡歷信息。
購買該產品后，HR手中各大招聘平臺的付費賬號都被簡歷公司所掌握。
（注：目前很多招聘網站的商業模式都包括付費下載簡歷進行收費，花幾萬元可以下載幾千份簡歷，可以查看該招聘網站的無限量個人簡歷。）
雷鋒網編輯詢問了某做爬蟲技術的好友，對方稱，通過爬蟲技術抓簡歷一般要解決四個問題：
1.登陸的問題，需要購買一些賬號；
2.破解登陸的驗證碼；
3.購買ip代理、切換ip；
4.控制好爬蟲的速度，因為登錄后，一般網站后臺都會存有日志記錄，抓的太快的話，會被封。
而一套賣給HR的智能招聘SaaS系統就能解決前三個問題，把非法的變成合法的，破解賬戶變成買賣服務。這操作，這腦洞，編輯嘆為觀止。
有了賬號，之后的操作就更簡單了。利用HR的賬號托管，SaaS方可以去爬取各大招聘平臺的簡歷信息，并做到實時翻新。
馬蔚彥表示這種實時可以分為實時和準實時。
實時的：有HR來招聘網站上進行簡歷檢索的時候，除了會顯示自己本地的數據，還會將搜索請求轉發給其他招聘網站的搜索接口進行數據獲取，并且可以將爬來的數據進行智能比對，更新簡歷。
準實時：每個簡歷在招聘簡歷上都一個唯一的ID，爬蟲可以定時的，以ID為參數進行簡歷數據獲取。也就是只要你更改簡歷，對方就會收到數據，同步更改。
這時候，你的簡歷還只是你的嗎？
潘多拉魔盒未打開時一片平靜，放在黑盒中的簡歷數據也是一樣。
你的簡歷上都有什么信息？生日、電話、地址、身份證信息、工作經歷……這些詳細得不能再詳細得數據被分銷出去，可能賣給大數據分析公司，賣給獵頭，賣給貸款公司、賣給詐騙組織，這些都是黑產中的某一環節。
而信息裸奔的你可能接到N個騷擾電話卻還不知道問題出自簡歷。
即使沒有這些打著智能招聘SaaS名義的公司，你的簡歷就安全嗎？
不一定，邦盛科技產品總監焦林俊向雷鋒網透露，某國內top級別的招聘平臺曾表示，有些大商戶（付費大企業）利用在招聘平臺的賬號密碼，登錄后臺通過爬蟲刷新數據，爬取簡歷。
之后將爬取下來的簡歷放進自己的數據庫，在合適時機將這些簡歷數據出售給需要的機構，相當于二道販子。
至于是哪些公司，各位可以自由猜測。
招聘公司面對各種爬蟲技術是否有反爬技術呢？
“目前也有多種反爬蟲的技術，如驗證碼，IP黑名單，頻率限制，IP限制，單一賬號可閱讀量、需要購買，通過User-Agent控制等手段都能進行一定限制。但越來越多的高級爬蟲，利用大量代理IP，并且與真實瀏覽器訪問的環境相似度很高，傳統的反爬技術在面對高級爬蟲時已經基本無能為力。”馬蔚彥說道。
焦林俊也表示，招聘網站確有采取一些反爬蟲技術，比如前端進行加密，后端加入了大數據分析，機器學習等技術。但對大商戶爬取數據的行為招聘網站也有些頭疼，迫于營收壓力，他們不會采取直接攔截的措施。而且先通過后臺數據分析誰爬取了數據，再針對不同對象采取相應的反爬措施。
目前來說，爬蟲技術仍處于灰色地帶，對于利用爬蟲技術獲取公開數據這一行為的正誤，在認知上也各有不同。目前更多的還是在道德層面，而非法律，比如：遵循robots，盡量放慢爬取速度，從而減少對提供數據查詢網站的壓力，不要造成拒絕服務，不要公開爬蟲程序源碼，不要分享爬蟲數據等等。
（注：robots是網站跟爬蟲間的協議，用簡單直接的txt格式文本方式告訴對應的爬蟲被允許的權限，也就是說robots.txt是搜索引擎中訪問網站的時候要查看的第一個文件。當一個搜索蜘蛛訪問一個站點時，它會首先檢查該站點根目錄下是否存在robots.txt，如果存在，搜索機器人就會按照該文件中的內容來確定訪問的范圍；如果該文件不存在，所有的搜索蜘蛛將能夠訪問網站上所有沒有被口令保護的頁面。）
但這些在馬蔚彥看來，缺乏法律保障的約束力非常弱。
隨著涉及個人、企業的數據資源越來越多，提供這些數據的平臺、系統也越來越多，非常需要通過建立正確的爬蟲觀念、提升反爬技術手段、建立合理的爬蟲相關法律規定等都多方面的綜合努力，才能更好地提供對于惡意爬蟲的防御，保護企業和客戶數據資源。
對于終端用戶來說，除了接到手軟的騷擾電話，似乎是完全無感知的。
焦林俊表示，用戶應該避免在不安全的招聘網站發布簡歷，遇到打電話稱自己是獵頭需要提供本人完整信息的說法也不要輕信。而對于招聘網站，應該從業務方面進行規范，搭建自己反爬蟲平臺，利用前沿的反爬蟲技術，如大數據分析，根據訪問行為提取特征，通過設備指紋，人機識別，環境檢測等技術識別出人還是機器。這樣即可以去掉驗證碼等降低用戶體驗的操作，也避免了用戶有價值的信息被爬取。
做反爬不能誤傷正常用戶，這是反爬蟲技術的關鍵點。爬蟲與反爬蟲永遠在對抗，沒有勝負。
參考來源：三言財經
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
