Lehrplan Lektion 79 von 156 · Datenschutz durch Technikgestaltung
Datenschutz durch Technikgestaltung

Speicherung und ehrliche Richtlinien

Warum das wichtig istDaten, die für immer aufbewahrt werden, werden irgendwann Teil eines Leaks. Ein Aufbewahrungsplan, eine Regel für die Dauer der Speicherung jeder Datenart, macht aus "wir sollten das irgendwann aufräumen" Code, der jede Nacht läuft. Und deine Datenschutzrichtlinie sollte genau sagen, was dieser Code tut, nicht mehr und nicht weniger.

A Kühlschrank funktioniert, weil Dinge Verbrauchsdaten haben. Niemand diskutiert, ob man die Milch vom letzten Monat behalten soll; das Datum auf dem Karton entscheidet. Gib jeder Art von Daten in deinem System ein Verbrauchsdatum.

Aufbewahrungsplan: eine Liste jeder Art von Daten, die du behältst, wie viele Tage du sie behältst und warum. Zum Beispiel: server logs 14 Tage (um Fehler zu debuggen), abandoned baskets 30 Tage, support emails 365 Tage.

Lösche nach einem Zeitplan und beweise es

Ein kleiner Job läuft jede Nacht: Berechne für jeden Datensatz sein Alter und lösche ihn, sobald das Alter das Limit für seine Art erreicht. "Prove it" bedeutet, ein Löschprotokoll von which Datensätzen zu führen, die gelöscht wurden und wann, aber nicht deren Inhalte, damit du zeigen kannst, dass der Job wirklich läuft.

from datetime import date
created = date.fromisoformat("2026-09-01")
today = date.fromisoformat("2026-10-01")
age_days = (today - created).days      # subtracting dates gives a timedelta
print(age_days)                        # 30

In diesem Kurs ist ein Datensatz abgelaufen, wenn sein Alter in Tagen gleich oder mehr als das Limit ist. Also mit einem 30-Tage-Limit wird ein Korb, der am 1. September erstellt wurde, am 1. Oktober gelöscht.

Eine

A Funktion kann zwei Ergebnisse gleichzeitig zurückgeben, indem sie ein tuple zurückgibt: return kept, deleted_ids. Der Aufrufer entpackt es mit kept, deleted_ids = apply_retention(...).

eine Richtlinie, die die Wahrheit sagt

A Datenschutzrichtlinie ist ein Versprechen. Sie ist nur wahr, wenn der Code sie einhält. Für die Aufbewahrung prüfe jede Art von Daten:

  • Wenn die Richtlinie eine Art nicht erwähnt, die du behältst, ist es durch Unterlassung falsch.
  • Wenn die Richtlinie "30 Tage" sagt, aber der Code es für 90 Tage behält, ist es untrue.
  • Wenn die Richtlinie "höchstens 90 Tage" sagt und der Code bei 30 löscht, ist es immer noch wahr: du behältst es nicht länger als du gesagt hast.

Einfache Sätze schlagen juristische Formulierungen. Vergleiche:

Vague:  "We retain data for as long as necessary for business purposes."
Honest: "We keep server logs for 14 days to fix errors, then delete them.
         We keep abandoned baskets for 30 days, then delete them."

A häufiges Missverständnis: "das Löschen aus der Hauptdatenbank reicht aus". Kopien verstecken sich in Backups, Logdateien, Analytics-Exports und E-Mail-Postfächern. Ein wahrhafter Zeitplan deckt sie auch ab, zum Beispiel "Backups werden nach 35 Tagen überschrieben".

In anderen Sprachen
# Django: a nightly management command
cutoff = timezone.now() - timedelta(days=30)
deleted, _ = Basket.objects.filter(created__lt=cutoff, paid=False).delete()
-- SQL (PostgreSQL), run from a scheduled job
DELETE FROM server_logs WHERE created_at < now() - interval '14 days';
// JavaScript
const ageDays = Math.floor((today - created) / 86_400_000);   // ms in a day
// Go
ageDays := int(today.Sub(created).Hours() / 24)

Zusammenfassung

  • Gib jeder Art von Daten eine Anzahl von Tagen und lösche sie automatisch, wenn sie erreicht ist.
  • Logge, welche Datensätze gelöscht wurden, nicht was sie enthielten, damit du beweisen kannst, dass der Job läuft.
  • A policy ist nur wahr, wenn jeder Typ, den du behältst, aufgelistet ist, für nicht weniger Zeit, als du ihn wirklich behältst.
Du bist dran

ShopD speichert die Datensätze in RECORDS; jeder ist ein dict mit "id", "kind" und "created" (Text wie "2026-09-01"). RETENTION sagt, wie viele Tage jeder Typ gespeichert wird, und der Typ jedes Datensatzes ist darin. POLICY ist das, was die Datenschutzrichtlinie aktuell behauptet. Schreibe drei Funktionen:

  1. is_expired(record, today, retention): gib True zurück, wenn das Alter des Datensatzes in Tagen auf today gleich oder mehr als retention[record["kind"]].
  2. ist
  3. apply_retention(records, today, retention): gib ein Tuple zurück (kept, deleted_ids): die Datensätze, die nicht abgelaufen sind (gleiche Reihenfolge), und die Liste der "id"s der abgelaufenen Datensätze (gleiche Reihenfolge).
  4. untrue_claims(policy, retention): gib eine sortierte Liste der Arten in retention zurück, bei denen die policy nicht wahr ist: die Art fehlt in policy, oder die Anzahl der Tage der policy ist kleiner als die echte.
Drucke die gelöschten IDs und die falschen Behauptungen aus. Tests verwenden andere Datensätze, Daten und Richtlinien.

Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion

Diese Übung öffnet bald

Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.