Kebocoran data kembali membuat heboh, kali ini diisukan dialami oleh Kementerian Perhubungan (Kemenhub), Indonesian Automatic Finger Identification System (INAFIS).
Data Penting Disebut Bocor, Dijual di Dark Web
Data penting dari Kementerian Perhubungan (Kemenhub), Inafis Polri, hingga Badan Intelijen Strategis (BAIS) TNI diduga bocor dan dijual di forum dark web. Kebocoran data ini mencakup informasi pribadi, seperti nama, alamat, nomor telepon, dan data lainnya.
Menurut laporan dari peneliti keamanan siber, data-data tersebut dijual dengan harga antara USD 1.000 hingga USD 7.000. Data yang bocor disebut berasal dari berbagai sumber, termasuk situs web resmi pemerintah dan database pihak ketiga.
Informasi Penting Bocor
Data yang bocor termasuk informasi sensitif seperti
* Nama lengkap
* Nomor induk kependudukan (NIK)
* Nomor telepon
* Alamat email
* Alamat rumah
* Data biometrik (seperti foto dan sidik jari)
Sumber Kebocoran Masih Diselidiki
Saat ini, sumber kebocoran data masih diselidiki oleh otoritas terkait. Namun, ada dugaan bahwa kebocoran terjadi karena kerentanan keamanan dalam sistem komputer yang menyimpan data-data penting tersebut.
Dampak Potensial Kebocoran Data
Kebocoran data ini dapat berdampak serius terhadap individu yang datanya terungkap. Para korban berpotensi mengalami pencurian identitas, penipuan keuangan, atau bahkan pelecehan.
Upaya Penanggulangan
Pemerintah dan lembaga keamanan telah mengambil langkah-langkah untuk mengatasi kebocoran data ini, termasuk:
* Menginvestigasi sumber kebocoran data
* Menutup akses ke data yang bocor
* Menerbitkan peringatan kepada masyarakat
* Mendorong masyarakat untuk mengubah kata sandi dan waspada terhadap penipuan
Imbauan untuk Masyarakat
Masyarakat diimbau untuk:
* Waspada terhadap email atau pesan mencurigakan yang meminta informasi pribadi
* Tidak mengklik tautan atau membuka lampiran dari sumber yang tidak dikenal
* Mengubah kata sandi secara berkala
* Menggunakan autentikasi dua faktor untuk akun-akun penting
* Memantau laporan kredit secara teratur untuk mendeteksi aktivitas yang tidak biasa
