Produktdrohungsmodelle
Warum das wichtig ist Wenn du eine App baust, verstecken sich Datenschutzprobleme in den Pfeilen: die Momente, in denen Daten von einem Ort zum anderen wandern. Diese Bewegungen als Daten aufzuschreiben und dann den Code prüfen zu lassen, findet die riskanten Stellen, bevor deine Nutzer es tun. Es ist die Gewohnheit, die Datenschutzingenieure bei echten Produkten nutzen.
Dem Paket folgen
Stell dir jedes Stück persönlicher Daten als Paket vor. Ein Bedrohungsmodell für ein Produkt fragt: wohin geht jedes Paket, ist es auf dem Weg versiegelt, wer erhält es und wie lange behalten sie es? Ein data flow ist die Reise eines Pakets.
Ein Flow im Praxisprodukt unten ist als nicht persönlich markiert: der Crash-Bericht, "app version and crash stack". Das hält das Labor einfach, aber betrachte es als Warnung, nicht als Regel: echte Crash-Berichte enthalten oft persönliche Daten (ein Dateipfad mit einem Benutzernamen, der Text in einem Formular, wenn die App abgestürzt ist, eine E-Mail-Adresse in einer Log-Zeile), also ist ein Crash-Bericht in einer echten Überprüfung persönlich, bis du ihn geprüft hast.
Data flow: eine Bewegung von Daten von einem Ort zum anderen, zum Beispiel "die Anmelde-E-Mail geht von der App zu unserem Server" oder "Seitenaufrufe gehen von der App zu einem Analytics-Service".
Drittanbieter: jedes Unternehmen oder jeder Dienst, der nicht du oder dein Nutzer ist. Ein Analytics-Anbieter, ein Werbenetzwerk, ein E-Mail-Versanddienst.
Retention: wie lange Daten gespeichert werden, bevor sie gelöscht werden. "Für immer" ist auch eine Aufbewahrungsfrist und meistens die schlechteste.
Fließt als Python-Daten
Jeder Flow passt natürlich in ein Dictionary. Hier ist einer aus einer erfundenen Pflanzenpflege-App, plantly.example:
flow = {
"id": "photo-upload",
"data": "plant photos with location",
"personal": True, # does it point to a person?
"to": "plantly.example",
"third_party": False, # is the receiver someone other than us?
"encrypted": True, # sent over HTTPS (or similar)?
"retention_days": 90, # None means kept forever
"purpose": "identify plant disease",
}
Ein nützliches Werkzeug: flow.get("retention_days") liest einen Schlüssel wie flow["retention_days"], aber gibt None zurück anstatt abzustürzen, wenn der Schlüssel fehlt. Die Tests verwenden Abläufe mit fehlenden Schlüsseln, also wirst du es brauchen.
Eine Liste dieser Dictionaries ist die Datenkarte eines ganzen Produkts. Sobald es Daten sind, kannst du jeden Flow mit denselben Regeln prüfen, jedes Mal wenn sich etwas ändert.
Vier Warnsignale
Nur persönliche Flows zählen hier: ein Flow, der nichts über eine Person trägt, kann nichts über diese preisgeben. Markiere einen persönlichen Flow, wenn:
- nicht verschlüsselt: jeder auf dem Netzwerkpfad kann es lesen;
- Drittanbieter: es entzieht sich deiner Kontrolle, und du bist von den Gewohnheiten eines anderen Unternehmens abhängig;
- zu lange behalten: retention fehlt (für immer) oder mehr als 365 Tage;
- kein Zweck: niemand hat aufgeschrieben, warum es gesammelt wird. Wenn du nicht sagen kannst warum, solltest du es wahrscheinlich nicht sammeln.
A markierte Flow ist nicht automatisch falsch. Das Senden von E-Mails über einen E-Mail-Dienst ist ein Drittanbieter-Flow, den du behalten kannst. Die Flag bedeutet "ein Mensch muss das ansehen und entscheiden", was genau der Zweck eines Bedrohungsmodells ist.
Ein häufiges Missverständnis
"Wenn es verschlüsselt ist, ist es sicher." Verschlüsselung schützt den Weg. Sie sagt nichts darüber aus, wer die Daten erhält oder wie lange sie sie behalten. Ein Flow kann verschlüsselt sein und trotzdem der riskanteste in deiner App sein.
In anderen Sprachen
JavaScript: dieselben Regeln über ein Array von Objekten.
function riskReasons(f) {
if (!f.personal) return [];
const r = [];
if (!f.encrypted) r.push("not encrypted");
if (f.third_party) r.push("third party");
if (f.retention_days == null || f.retention_days > 365) r.push("kept too long");
if (!f.purpose) r.push("no purpose");
return r;
}
const flagged = Object.fromEntries(
flows.map(f => [f.id, riskReasons(f)]).filter(([, r]) => r.length)
);
Go: eine struct mit einem Pointer für die "vielleicht fehlende" Speicherung.
type Flow struct {
ID, Purpose string
Personal, ThirdParty, Encrypted bool
RetentionDays *int // nil means forever
}
Zusammenfassung
- A Datenfluss ist eine Bewegung von Daten; eine Liste von Flüssen ist die Datenkarte eines Produkts.
- Das Schreiben von flows als dictionaries lässt den code jeden mit denselben Regeln prüfen.
- Markiere persönliche Datenflüsse, die unverschlüsselt sind, an einen Dritten gehen, zu lange aufbewahrt werden oder keinen Zweck haben.
- A Flag bedeutet "ein Mensch entscheidet", und Verschlüsselung allein macht einen Flow nicht sicher.
Der Startcode enthält FLOWS, die Datenkarte der Übungs-App plantly.example. Schreibe zwei Funktionen:
risk_reasons(flow)gibt eine Liste von Warnungsstrings für einen Flow zurück. Wennflow["personal"]false ist, gib eine leere Liste zurück. Ansonsten füge, in dieser Reihenfolge hinzu:"not encrypted"wennflow["encrypted"]false ist;"third party"wennflow["third_party"]wahr ist;"kept too long"wennretention_daysfehlt,Noneoder mehr als 365;"no purpose"wennpurposefehlt oder ein leerer String ist.
flag_risky(flows)gibt ein Dictionary zurück, das das"id"jedes markierten Flows auf seine Liste von Gründen abbildet. Flows ohne Gründe werden weggelassen.
flow.get(...), damit ein fehlender Schlüssel nicht zum Absturz führt. Drucke schließlich jede markierte id und ihre Gründe aus, eine pro Zeile.
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.
Dieser Browser blockiert Cookies für learn.floati.life, daher können hier beendigte Lektionen nicht in der richtigen Reihenfolge geöffnet werden. Erlaube Cookies für diese Seite und lade sie neu.