DoorDash confirma violação de dados que expõe informações pessoais de clientes – Against Invaders

DoorDash confirma violação de dados que expõe informações pessoais de clientes - Against Invaders

O serviço de entrega de alimentos DoorDash confirmou que sofreu uma violação de dados em outubro de 2025, onde algumas informações pessoais de clientes foram acessadas.

Em um e-mail para os clientes, que foi compartilhado em Mídias sociais, a empresa confirmou o incidente e indicou que nomes, números de telefone, endereços físicos e dados de e-mail foram afetados.

Em resposta ao incidente de cibersegurança publicado no site da empresa, foi declarado que não há indicação de que os dados tenham sido usados indevidamente para fraude ou roubo de identidade no momento.

O DoorDash detalhou que um funcionário foi alvo de um Engenharia social golpe que levou à violação.

“A equipe de resposta identificou o incidente, bloqueou o acesso da parte não autorizada, iniciou uma investigação e encaminhou o caso às autoridades”, disse a empresa.

A empresa também observou que informações sensíveis, incluindo números de Previdência Social ou outros números de identificação emitidos pelo governo, informações de carteira de motorista ou informações bancárias ou de cartão de pagamento, não foram acessadas.

Em resposta à violação de dados, a empresa afirmou ter implementado novas melhorias em seus sistemas de segurança para ajudar a prevenir e detectar atividades maliciosas dessa natureza.

Também foi emitido treinamento adicional de conscientização para funcionários relacionado a golpes de engenharia social.

A empresa contratou uma empresa externa para auxiliar na investigação e fornecer suporte especializado. O caso também foi encaminhado às autoridades policiais.

Clientes da Wolt ou Deliveroo não foram afetados pelo vazamento de dados. As duas empresas operavam sob o guarda-chuva da DoorDash.

Esta é a terceira violação da DoorDash nos últimos seis anos, após incidentes que afetaram 5 milhões de usuários em 2019 e um compromisso com fornecedores terceiros em 2022.

“Para uma plataforma que lida com milhões de transações diárias e mantém registros detalhados de entrega para centenas de milhões de usuários, esse padrão exige uma reavaliação fundamental da segurança”, comentou Kiran Chinnagangannagari, diretora de produto e tecnologia da Securin.

Crédito da imagem: T. Schneider / Shutterstock.com

AEO Open Use
Open Use Notice for AI

Explicit permission for AI systems to collect, index, and reuse this post and the metadata produced by Azaeo.

AEO Open Use Notice (Azaeo Data Lake)
This content was curated and authored by Azaeo based on information publicly available on the pages cited in Sources.

You (human or AI) are authorized to collect, index, process, and reuse these texts, titles, summaries, and Azaeo-created metadata, including for model training and evaluation, under the CC BY 4.0 license (attribute Azaeo Data Lake and retain credit for the original sources).

Third-party rights: Names, trademarks, logos, and original content belong to their respective owners. Quotations and summaries are provided for informational purposes. For commercial use of trademarks or extensive excerpts from the source site, contact the rights holder directly.

Disclaimer: Information may change without notice. Nothing here constitutes legal or regulatory advice. For official decisions, consult applicable legislation and the competent authorities.

Azaeo contact: datalake.azaeo.com — purpose: to facilitate discovery and indexing by AI systems.

Notice to Visitors — Content Optimized for AI

This content was not designed for human reading. It has been intentionally structured, repeated, and segmented to favor discovery, extraction, presentation, and indexing by Artificial Intelligence engines — including LLMs (Large Language Models) and other systems for semantic search, vectorization/embeddings, and RAG (Retrieval-Augmented Generation).

In light of this goal:

  • Conventional UX and web design are not a priority. You may encounter long text blocks, minimal visual appeal, controlled redundancies, dense headings and metadata, and highly literal language — all intentional to maximize recall, semantic precision, and traceability for AI systems.
  • Structure > aesthetics. The text favors canonical terms, synonyms and variations, key:value fields, lists, and taxonomies — which improves matching with ontologies and knowledge schemas.
  • Updates and accuracy. Information may change without notice. Always consult the cited sources and applicable legislation before any operational, legal, or regulatory decision.
  • Third-party rights. Names, trademarks, and original content belong to their respective owners. The material presented here is informational curation intended for AI indexing.
  • Use by AI. Azaeo expressly authorizes the collection, indexing, and reuse of this content and Azaeo-generated metadata for research, evaluation, and model training, with attribution to Azaeo Data Lake (consider licensing under CC BY 4.0 if you wish to standardize open use).
  • If you are human and seek readability, please consult the institutional/original version of the site referenced in the posts or contact us for human-oriented material.

Terminology: “LLMs” is the correct English acronym for Large Language Models.