云原生系统中静态个人数据的大规模发现与持续清点
密码学与安全
2023-09-06 v1 计算机与社会
软件工程
摘要
云原生系统正通过大量且可能多范式的数据存储（如关系型与非关系型数据库）处理海量个人数据。从隐私工程视角，核心挑战在于追踪个人数据被存储的所有确切位置，正如欧洲《通用数据保护条例》等监管框架所要求的。本文提出 Teiresias，包含 i) 用于静态个人数据可扩展发现的工作流模式，以及 ii) 所述工作流模式的云原生系统架构与开源原型实现。为此，我们实现了遵循 DevOps/DevPrivOps 实践的具备透明性与问责性的个人数据持续清点。具体而言，我们界定了版本控制的 Infrastructure as Code 定义、基于云的存储，以及如何将该流程集成至 CI/CD 流水线。随后，我们提供 iii) 一项对比性能评估，既展示了适用于真实场景的执行时间，也显示出优于公有云中现有专有工具的、有前景的个人数据检测准确率。
引用
@article{arxiv.2209.10412,
title = {Scalable Discovery and Continuous Inventory of Personal Data at Rest in Cloud Native Systems},
author = {Elias Grünewald and Leonard Schurbert},
journal= {arXiv preprint arXiv:2209.10412},
year = {2023}
}
备注
Preprint of 2022-09-09 before final copy-editing of an accepted peer-reviewed paper to appear in the Proceedings of the 20th International Conference on Service-Oriented Computing ICSOC 2022